Erros de medicação são um problema sério e persistente nos hospitais brasileiros. A complexidade do processo, que envolve múltiplas etapas desde a prescrição até a administração, cria oportunidades para falhas em cada ponto da cadeia. E o farmacêutico, historicamente, está posicionado em um desses pontos mais críticos: a análise das prescrições.
Nos últimos anos, a inteligência artificial entrou nessa discussão com uma proposta tentadora: automatizar a triagem, identificar casos de maior risco, reduzir erros e liberar o farmacêutico para intervenções mais qualificadas. Mas até onde a evidência sustenta esse entusiasmo? E quais são os limites reais dessa tecnologia na prática da farmácia hospitalar?
Uma revisão integrativa publicada no Journal of Health Informatics por pesquisadoras brasileiras da Universidade Federal Fluminense e do Instituto Nacional de Traumatologia e Ortopedia mapeou os estudos disponíveis sobre o uso de programas de IA na análise de prescrições por farmacêuticos hospitalares. O resultado é uma leitura honesta sobre o potencial e as limitações dessas ferramentas, com olhar atento para a realidade brasileira.
O que a revisão buscou responder
A pergunta central do estudo foi direta: como a inteligência artificial pode auxiliar o farmacêutico hospitalar na tomada de decisão durante a análise de prescrições de pacientes internados?
A busca foi realizada em bases como PubMed, BVS-BIREME, Web of Science e Scopus, além da literatura cinzenta, sem restrição de período e incluindo artigos em português, inglês e espanhol. Após triagem rigorosa, nove artigos foram incluídos na análise final, avaliados quanto à qualidade metodológica segundo o Joanna Briggs Institute e classificados pelo Oxford Centre for Evidence-Based Medicine.
Um dado que já chama atenção antes mesmo dos resultados: 77,8% dos estudos incluídos eram observacionais, de nível 4 de evidência. Apenas dois eram revisões sistemáticas, de nível 1. Isso significa que a base científica atual ainda é relativamente frágil para sustentar recomendações categóricas sobre o uso de IA na farmácia hospitalar, algo que a revisão reconhece com transparência.
Dois grupos de aplicações, nove sistemas diferentes
Os nove estudos foram organizados em duas categorias temáticas, cada uma com suas próprias características e implicações clínicas.
A primeira categoria reuniu cinco estudos sobre detecção de erros e otimização de processos. Os sistemas analisados nesse grupo usavam diferentes abordagens tecnológicas para identificar falhas nas prescrições, ajustar doses, detectar interações medicamentosas e automatizar tarefas repetitivas.
O NoHarm.ai, sistema brasileiro disponível gratuitamente para hospitais do SUS, foi um dos destaques. Desenvolvido para identificar prescrições fora do padrão e priorizar casos críticos, ele otimiza o tempo do farmacêutico ao direcionar atenção para os casos que mais precisam de intervenção humana qualificada. Outro sistema analisado foi um CDSS voltado ao uso de antidiabéticos, integrado ao prontuário eletrônico, que demonstrou redução de erros e aumento nas intervenções farmacêuticas. Um terceiro estudo combinou aprendizado de máquina supervisionado com sistema clínico para prever erros e reduzir falsos positivos, com ganhos de eficiência para a equipe.
A segunda categoria reuniu quatro estudos sobre prevenção de eventos adversos e priorização de pacientes críticos. Aqui os sistemas eram focados em detectar riscos antes que se tornassem eventos clínicos, orientar intervenções e prevenir danos.
O ADEAS (Adverse Drug Event Alerting System) monitora pacientes com risco de eventos adversos relacionados a medicamentos, permitindo intervenções precoces. O PharmaCheck realiza a revisão diária dos prontuários eletrônicos e prioriza alertas clínicos, tornando as intervenções farmacêuticas mais proativas. O GANomaly, baseado em redes adversariais generativas, identifica padrões atípicos e prioriza prescrições de alto risco. Uma revisão sistemática incluída nessa categoria destacou a aplicação da IA na triagem de prescrições, no gerenciamento de antimicrobianos e na prevenção de eventos adversos, com redução expressiva da carga de trabalho manual.
O que a IA realmente entrega
Consolidando os resultados dos nove estudos, a revisão identifica três contribuições consistentes da IA na análise de prescrições.
A primeira é a detecção precoce de erros. Sistemas como os descritos nos estudos A01 a A04 demonstraram capacidade de identificar falhas que, sem suporte tecnológico, poderiam passar despercebidas na triagem manual. A IA não elimina o erro humano, mas cria uma camada adicional de rastreamento que aumenta a probabilidade de detecção.
A segunda é a priorização de prescrições de alto risco. Em unidades hospitalares com grande volume de prescrições, o farmacêutico não consegue analisar cada caso com a mesma profundidade. Sistemas que identificam automaticamente as prescrições de maior risco clínico permitem que o profissional concentre energia onde ela é mais necessária, sem precisar destinar tempo equivalente a casos de menor complexidade.
A terceira é o aumento da eficiência em revisões e intervenções. Ao automatizar tarefas repetitivas como verificações de dose padrão, checagens de duplicidade e alertas de interação já conhecidos, a IA libera o farmacêutico para o que a tecnologia não consegue fazer: avaliar o contexto clínico do paciente, conversar com a equipe, propor ajustes terapêuticos e educar.
As limitações que a euforia costuma deixar de lado
A revisão não esconde os problemas, e eles são relevantes o suficiente para merecer atenção cuidadosa de qualquer serviço que pense em incorporar essas ferramentas.
A dependência da qualidade dos dados é o obstáculo mais fundamental. Sistemas de IA são tão bons quanto os dados com que foram treinados. Em hospitais com prontuários eletrônicos incompletos, registros inconsistentes ou dados desatualizados, os modelos podem gerar alertas incorretos ou deixar de identificar riscos reais. Isso não é um problema da tecnologia em si: é um problema da infraestrutura de dados da instituição, que precisa ser resolvido antes ou junto com a implantação da IA.
A necessidade de atualizações frequentes é outro ponto crítico. Os padrões de prescrição mudam, novos medicamentos entram no formulário, perfis epidemiológicos se modificam. Sistemas que não são atualizados regularmente perdem acurácia clínica e podem tornar-se fontes de ruído em vez de suporte à decisão.
A questão dos falsos positivos também merece atenção. Sistemas como o PharmaCheck e o ADEAS mencionam essa limitação explicitamente: alertas em excesso geram “fadiga de alerta”, fenômeno bem documentado na literatura de segurança do paciente, em que os profissionais passam a ignorar notificações sistematicamente por excesso de volume. Um sistema de IA que gera muitos falsos positivos pode, paradoxalmente, aumentar o risco de erros.
Por fim, a revisão aponta uma lacuna importante: a maioria dos estudos foi conduzida em países com infraestrutura mais robusta, como França e Canadá. A transposição para a realidade brasileira, marcada por recursos limitados, valorização profissional ainda incipiente e grande variabilidade no nível de digitalização dos hospitais, não é automática. Ferramentas como o NoHarm.ai, desenvolvidas no contexto do SUS, são exceções bem-vindas nesse cenário.
O que o farmacêutico precisa saber para trabalhar com IA
Um dos achados mais interessantes da revisão é o mapeamento das competências que o farmacêutico precisa desenvolver para usar IA de forma segura e crítica. A revisão identifica que alguns estudos simplesmente não abordaram esse ponto, revelando uma lacuna na literatura sobre o papel do profissional na interação com essas ferramentas.
As competências mapeadas incluem conhecimento em farmacoterapia e nas diretrizes clínicas dos pacientes, capacidade de interpretar dados laboratoriais, habilidade para analisar alertas gerados pela IA e adaptá-los ao contexto clínico real, pensamento crítico para validar as predições do sistema, e conhecimento básico em informática para compreender as limitações dos algoritmos.
Isso significa que a IA não simplifica o trabalho do farmacêutico no sentido de exigir menos conhecimento. Ela desloca o foco do trabalho. O profissional precisa ser tecnicamente sólido o suficiente para saber quando confiar no sistema, quando questioná-lo e quando descartá-lo.
Há também uma dimensão ética que a revisão aborda: a IA deve funcionar como ferramenta de apoio à decisão, sem substituir o julgamento clínico do farmacêutico. Essa distinção é fundamental. Sistemas que são implementados como substitutos do raciocínio profissional, em vez de auxiliares, aumentam o risco de erros e comprometem a autonomia clínica que é central à prática farmacêutica.
O que isso significa para quem está se formando
Para o estudante de farmácia que lê esse texto, a mensagem mais importante talvez não seja sobre tecnologia. É sobre o que permanece insubstituível. A IA pode identificar padrões em milhares de prescrições em segundos. Não consegue conversar com o paciente, entender seu contexto social, perceber que ele não compreendeu as orientações da alta ou que há um familiar que vai administrar os medicamentos de forma incorreta. Não consegue sentir a urgência clínica de uma situação que não estava prevista nos dados de treinamento. Não consegue assumir responsabilidade ética por uma decisão.
Essas capacidades pertencem ao farmacêutico. E elas se tornam mais, não menos, valiosas em um ambiente onde a tecnologia assume as tarefas mais operacionais.
Conclusão
A revisão confirma que a IA tem potencial real para melhorar a análise de prescrições na farmácia hospitalar: reduz erros, prioriza riscos e aumenta a eficiência. Mas a incorporação dessas ferramentas exige infraestrutura de dados adequada, supervisão humana constante, atualização contínua dos sistemas e profissionais capacitados para avaliar criticamente os resultados.
No contexto brasileiro, o caminho é promissor, especialmente com ferramentas desenvolvidas para a realidade do SUS. Mas os avanços dependem de pesquisas com maior robustez metodológica, de investimento em infraestrutura e de formação profissional que inclua literacia digital como competência essencial da farmácia clínica.
Acesse o artigo completo através do link: https://jhi.sbis.org.br/index.php/jhi-sbis/article/view/1544/745
