OTIMIZAÇÃO DA COLETA DE DADOS CLÍNICOS NA ATENÇÃO PRIMÁRIA: UMA ANÁLISE DO USO DE INTELIGÊNCIA ARTIFICIAL NA TRIAGEM MÉDICA

Resumo

A Atenção Primária à Saúde enfrenta desafios estruturais que comprometem a eficiência do atendimento, incluindo sobrecarga dos serviços, demora na consulta e limitação de tempo para coleta de informações clínicas básicas. Nesse cenário, ferramentas baseadas em Inteligência Artificial têm se destacado como alternativas para otimizar fluxos de trabalho e aprimorar a triagem inicial. Este estudo analisa o uso de modelos de linguagem natural na coleta automatizada de dados clínicos, por meio do desenvolvimento e avaliação de um protótipo de teletriagem conversacional construído com a API Gemini. A pesquisa, de caráter aplicado, exploratório e descritivo, utiliza princípios de Design Science Research para estruturar e testar um artefato em ambiente controlado. O protótipo foi avaliado utilizando vinhetas clínicas padronizadas, o que permitiu examinar a coerência do diálogo, a completude da extração de informações e a presença de hipóteses diagnósticas compatíveis com a literatura. Os resultados parciais indicam que a abordagem é tecnicamente viável para organizar informações clínicas e reduzir o tempo destinado à anamnese básica, embora apresente limitações, como risco inicial de generalizações sem evidência e ausência de validação em condições reais de atendimento. Os achados parciais sugerem que sistemas de teletriagem baseados em IA podem apoiar a triagem médica ao otimizar a coleta inicial de dados e favorecer práticas preventivas, desde que implementados com salvaguardas éticas, supervisão profissional e validação em ambiente clínico controlado.