GESTÃO DE CAPACIDADE DATA-DRIVEN EM RADIOLOGIA: UMA ANÁLISE DE TRATABILIDADE E POLÍTICAS DE PRIORIZAÇÃO SOB ESCASSEZ DE RECURSOS

O agendamento de exames de Tomografia Computadorizada é uma variante NP-hard do Patient Appointment Scheduling Problem. Este trabalho propõe uma arquitetura que integra mineração de textos clínicos, via Processamento de Linguagem Natural, a otimização evolutiva. Apoiada em dados reais (N = 52.018, 2019–2024), a comparação revelou que, enquanto a segmentação anual do modelo exato (MILP) elevou o custo global para Z = 1, 74 × 10⁸ , o Algoritmo Genético (AG) em fluxo contínuo eliminou o dano clínico (Z ≈ 0). O modelo reduziu a mediana de espera de casos urgentes de 42 para 1 dia (p < 0, 001), validando a Função de Perda de Taguchi na radiologia. Os resultados demonstram que a conformidade assistencial plena é viável sem expansão de recursos físicos. O sucesso do modelo reside na gestão dinâmica e na compactação de agenda, que absorvem picos sazonais e alinham a eficiência ao Princípio Maximin de Rawls.