IA integrada ao prontuário reduziu erros de medicação em 49%, aponta ensaio randomizado

Um estudo com quase 2.400 pacientes internados mostra o que muda quando o apoio à decisão sai da tela de acurácia e passa a medir dano evitado.

Grande parte da conversa sobre inteligência artificial na medicina ainda para na pergunta de acurácia: o modelo acerta o diagnóstico, responde bem ao caso, vai bem no benchmark. Um ensaio clínico randomizado publicado no International Journal of Medical Informatics muda o foco. Em vez de perguntar o quanto a IA sabe, ele mede quanto dano ela ajuda a evitar na beira do leito.

Os pesquisadores acompanharam 2.384 pacientes internados em quatro hospitais universitários de Tashkent, no Uzbequistão. Os pacientes foram randomizados em dois grupos. Um recebeu cuidado apoiado por um sistema de decisão com IA integrado ao prontuário eletrônico; o outro seguiu o fluxo de prescrição habitual. É o desenho que dá peso ao resultado: ele compara desfechos de segurança entre grupos parecidos, não a resposta de um modelo isolado num teste.

No grupo com IA, a taxa de erros de medicação caiu de 6,83 para 3,47 por mil pacientes-dia, uma redução de 49,2%. Os eventos adversos a medicamentos caíram de 8,9 para 4,7 por 100 admissões, queda de 47,2%. O tempo de internação e as readmissões em 30 dias também foram menores no grupo apoiado pela ferramenta.

Erros de medicação (por 1.000 pacientes-dia)
Sem IA = 6,83
Com IA = 3,47
Redução = 49,2

Eventos adversos (por 100 admissões)
Sem IA = 8,9
Com IA = 4,7
Redução = 47,2%

Um dado costuma passar batido nesse tipo de estudo, e talvez seja o mais importante para quem vai implantar a ferramenta: a aceitação dos alertas ficou em 73,6%. Ou seja, na maioria das vezes em que o sistema sinalizou algo, o médico concordou e agiu. Alerta que ninguém segue não muda desfecho nenhum.

Os autores ainda estimaram um retorno sobre o investimento de 489% em 12 meses. É um número que chama atenção, mas ele carrega a estrutura de custos daquele sistema de saúde, e por isso pede cautela antes de virar promessa.

Por que isso importa para quem prescreve

Dois pontos fazem desse estudo uma leitura útil.

O primeiro é o tipo de desfecho. A maior parte das evidências sobre IA clínica mede acurácia, ou seja, quão perto a resposta do modelo chega do gabarito. Isso importa, mas não é a mesma coisa que reduzir dano. Aqui os autores foram atrás de erro de medicação, evento adverso e tempo de internação. São desfechos que o hospital sente no caixa e que o paciente sente na pele.

O segundo é o contexto. O estudo não vem de um grande centro americano com orçamento sem limite, e sim de hospitais de um país de renda média. Isso aproxima a discussão da realidade de boa parte dos serviços brasileiros, onde a pergunta raramente é "qual o modelo mais avançado" e quase sempre é "o que dá para implantar e sustentar com a estrutura que eu tenho".

Quais alertas realmente evitam dano

Nem todo alerta vale o mesmo. Os que costumam gerar valor real são poucos e bem definidos: alergia conhecida, contraindicação, dose fora da faixa, interação medicamentosa relevante e o alerta que leva o contexto clínico do paciente em conta, não só a regra genérica.

Quando o sistema dispara aviso para tudo, acontece o contrário do pretendido: o médico aprende a ignorar. Essa é a fadiga de alerta, e ela é o principal motivo de sistemas de decisão fracassarem depois de instalados. Um aviso que aparece no momento errado, fora do fluxo de prescrição, ou que repete o óbvio, não é neutro. Ele custa atenção e treina o médico a clicar em "ignorar".

Vale então tratar taxa de aceitação, fadiga de alerta e integração ao prontuário como métricas de produto, não como detalhe técnico. A aceitação de 73,6% do estudo é, no fundo, uma medida de quão bem o sistema respeitou o tempo e o julgamento de quem prescreve.

Antes de trazer esses números para o Brasil

O resultado pede a leitura com o cuidado que ele merece. O estudo aconteceu em quatro hospitais de um contexto específico, com sua própria cultura de prescrição, seu próprio prontuário e sua própria linha de base de erros. Antes de repetir os percentuais como se valessem em qualquer lugar, seria preciso ver o efeito reproduzido em outros serviços, inclusive brasileiros.

O ROI merece a mesma reserva. Um retorno de 489% depende diretamente de quanto custa um erro de medicação naquele sistema, quanto custa a ferramenta e como o serviço é remunerado. Transportar esse número direto para a realidade de um hospital brasileiro seria forçar a conta.

A régua que está mudando

Durante anos, a pergunta sobre IA na saúde foi "ela acerta?". Este ensaio sugere uma pergunta melhor: "ela evita dano, e o médico confia nela o suficiente para agir?". É nesse ponto que a prescrição digital deixa de ser mais uma tela de aviso e começa a fazer diferença clínica de verdade.

Fonte: ensaio clínico randomizado publicado no International Journal of Medical Informatics (online em 25/04/2026; publicação em 15/07/2026). Disponível no PubMed: https://pubmed.ncbi.nlm.nih.gov/42054932/

Greenbook. Inteligência artificial a favor da decisão clínica.
GREENBOOK REVELA. O MÉDICO DECIDE.