TERMOGRAFIA PORTÁTIL COM INTELIGÊNCIA ARTIFICIAL PARA DIAGNÓSTICO PRECOCE EM UNIDADES BÁSICAS DE SAÚDE

Introdução: A detecção precoce de alterações fisiológicas é um desafio constante no Sistema Único de Saúde (SUS), especialmente em regiões com acesso limitado a exames complementares. A termografia infravermelha, por meio de dispositivos portáteis como FLIR One Edge, oferece uma alternativa não invasiva, segura e de baixo custo para triagem clínica. Além disso, a termografia se apresenta como uma solução rápida e prática na aquisição de imagens térmicas permitindo a triagem de um grande número de pacientes. Este estudo propõe a integração de modelos de aprendizado de máquina ou Machine Learning (ML) à análise de imagens térmicas, visando aumentar a acurácia diagnóstica e otimizar o fluxo de atendimento em unidades básicas de saúde (UBS). Objetivo: Avaliar a viabilidade técnica e a efetividade da combinação entre termografia portátil e ML na identificação precoce  de condições como pé diabético, doenças vasculares periféricas entre outras. Método: Trata-se de um estudo piloto, com coleta de imagens térmicas de pacientes em UBS e treinamento de um modelo de inteligência artificial supervisionado para classificação de padrões térmicos associados a risco clínico. Resultados ou Resultados Esperados: Espera-se um aumento da sensibilidade diagnóstica, redução do tempo de encaminhamento, diminuição de custos com internações evitáveis e melhora na qualidade de vida dos pacientes, reduzindo o impacto das doenças em suas atividades diárias. Além disso, o sistema de triagem inteligente priorize pacientes com maior risco, promovendo equidade no acesso ao cuidado. Conclusões ou Considerações Finais: A integração entre termografia portátil e inteligência artificial representa uma inovação promissora, com potencial para transformar a atenção primária à saúde no SUS. Ao aprimorar a capacidade diagnóstica, otimizar o fluxo de atendimento e promover a equidade no acesso ao cuidado, essa abordagem pode contribuir significativamente para a melhoria da saúde da população. Este estudo piloto é um passo importante para validar essa tecnologia e pavimentar o caminho para sua implementação em larga escala no SUS.