Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Inteligência artificial na saúde pública brasileira: potencialidades, desafios e implicações éticas para o Sistema Único de Saúde
0
Zitationen
2
Autoren
2026
Jahr
Abstract
RESUMO Objetivo: Analisar de forma crítica as potencialidades, os desafios e as implicações éticas da incorporação da Inteligência Artificial (IA) à saúde pública brasileira, à luz dos princípios do Sistema Único de Saúde (SUS), considerando também suas interfaces com a prática epidemiológica. Métodos: Trata-se de um artigo de natureza teórico-analítica, fundamentado em literatura nacional e internacional, que articula conceitos centrais da IA e reflexões político-epistemológicas da Saúde Coletiva. A abordagem contempla discussões sobre aprendizado de máquina, aprendizado profundo, processamento de linguagem natural e grandes modelos de linguagem, com foco em aplicações no contexto do SUS. Resultados: Identifica-se múltiplas possibilidades de uso da IA para o fortalecimento do SUS, incluindo predição de eventos em saúde, apoio ao diagnóstico, regulação de serviços e formulação de políticas públicas. No entanto, destacam-se barreiras estruturais, como a fragmentação dos sistemas de informação, desigualdades regionais e lacunas na formação profissional. Questões como equidade e justiça algorítmica, explicabilidade, soberania tecnológica e letramento digital emergem como dimensões essenciais para a adoção responsável da IA. Conclusão: A IA não é neutra, e sua integração ao SUS deve ser guiada por princípios democráticos e sensibilidade às vulnerabilidades sociais, sob pena de reforçar modelos tecnocráticos e excludentes. A disputa pelo sentido da inovação é, portanto, também uma disputa pelo futuro da saúde pública no Brasil.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.339 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.211 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.614 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.776 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.478 Zit.