Evolução da Enfermagem e Inteligência Artificial: Segurança e Otimização no Processo de Enfermagem

Autores

DOI:

https://doi.org/10.26694/reufpi.v14i1.6831

Palavras-chave:

Enfermagem, Inteligência Artificial, Processo de Enfermagem

Resumo

A adoção da Inteligência Artificial (IA) na Enfermagem deixou de ser mera possibilidade e já se manifesta no dia a dia de diversos serviços de saúde. Seu alcance vai da análise automatizada de prontuários até algoritmos capazes de prever complicações em larga escala.

Cada fase do processo de enfermagem—avaliação, diagnóstico, planejamento, implementação e avaliação, encontra, na IA, recursos para ampliar a segurança do paciente e aprimorar a eficiência das equipes. O objetivo, contudo, não é substituir a expertise do enfermeiro, mas, pelo contrário, otimizar tarefas repetitivas através da IA, libertando tempo para o raciocínio clínico avançado, o cuidado centrado na pessoa e a gestão racional de recursos.              

Na avaliação, estudos como o de Rossetti et al.(1) demonstram que a análise em tempo real de registros de enfermagem, por meio de deep learning, emite alertas precisos sobre deterioração clínica iminente.

Essa antecipação de riscos possibilita intervir mais cedo e evitar agravos, elevando de forma tangível a segurança assistencial. Na fase de diagnóstico, algoritmos de processamento de linguagem natural (PLN) podem identificar padrões ligados a quedas, infecções e outras ameaças(2). [...]

Biografia do Autor

Luciano Magalhães Vitorino, Faculdade de Medicina de Itajubá

Professor na Faculdade de Medicina de Itajubá (FMIT), MG, Coordenador da Comissão Assessora de Avaliações da FMIT, além de membro do Colegiado e do Comitê de Ética em Pesquisa da FMIT. Enfermeiro especialista em Urgência e Emergência, com Mestrado e Doutorado em Ciências pela Escola Paulista de Enfermagem (Unifesp/SP). Realizou estágio de doutorado sanduíche na Faculty of Nursing da University of Alberta, Canadá, e estágio de pós-doutorado na Faculdade de Medicina da Universidade Federal de Juiz de Fora. Possui experiência em pesquisa nas áreas de: Saúde Coletiva; Saúde Mental; Saúde e Espiritualidade e Geriatria e Gerontologia. Itajubá, MG, Brasil.

Gerson Hiroshi Yoshinari Júnior, Faculdade de Medicina de Itajubá

Formado em Medicina pela Faculdade de Medicina de Ribeirão Preto da Universidade de São Paulo (2012). Especializei-me em Rádio-oncologia no Hospital das Clínicas de Ribeirão Preto - USP (2016) e completei meu doutorado em Oncologia Clínica, Terapia Celular e Células Tronco na mesma instituição (2018). Recentemente, expandi minha expertise para a área de Inteligência Artificial aplicada à medicina com um pós-doutorado pela Universidade Federal de Itajubá (2022) e um curso de pós-graduação em Filosofia pelo Centro Universitário Estácio de Ribeirão Preto (2022). Atualmente, atuo como docente na Faculdade de Medicina de Itajubá e coordeno o Núcleo de Inovação Acadêmica, bem como a unidade local da Cátedra Internacional de Bioética (ICB). Paralelamente, exerço a função de radioterapeuta no Grupo Oncominas, Tenho interesse particular na aplicação da Inteligência Artificial no ensino e na prática médica, fazendo parte da Comitê Diretor do departamento de Inteligência Artificial da ICB. Itajubá, MG, Brasil.

Luís Carlos Lopes Júnior, Universidade Federal do Espírito Santo

Graduação em Enfermagem pela Faculdade de Medicina de Marília-FAMEMA (2010); Aprimoramento em Aconselhamento Genético em Câncer pelo Hospital das Clínicas da Faculdade de Medicina de Ribeirão Preto da Universidade de São Paulo-HCFMRP/USP (2012); Especialização em Oncologia pela Universidade de São Paulo (USP) (2013); Mestrado em Ciências pela USP (2013); Especialização em Gestão em Saúde pela Universidade Federal de São Paulo-UNIFESP (2016); e Doutorado Sanduíche na University of Alberta (UofA) e no Cross Cancer Institute, Edmonton, AB, Canadá, pelo Programa de Pós-Graduação Enfermagem em Saúde Pública (CAPES 7) da USP (2017). Atualmente é Professor Adjunto C-I do Centro de Ciências da Saúde (CCS) da Universidade Federal do Espírito Santo-UFES. É Coordenador Adjunto e Docente Permanente do Programa de Pós-Graduação em Nutrição e Saúde - PPGNS/UFES (Gestão 2021-2023), e Docente Permanente do Programa de Pós-Graduação em Saúde Coletiva PPGSC/UFES, orientando alunos de Mestrado e Doutorado. É Membro efetivo do Comitê de Ética e Pesquisa do Hospital Universitário Cassiano Antônio Moraes da Universidade Federal do Espírito Santo (HUCAM-UFES) desde 2021. É Presidente da Comissão de Pesquisa do Departamento de Enfermagem/CCS/UFES. Atua como Pesquisador da Initiative CureAll Framework: WHO Global Initiative for Childhood Cancer atuando em nível regional (Américas) - OPAS/OMS. É Membro Efetivo da Oncology Nursing Society (ONS), Pittsburgh, PA, Estados Unidos e da International Society of Nurses in Cancer Care (ISNCC), Vancouver, BC, Canadá, onde no período de 2015 a 2016, atuou como Full Member Specialist of the Knowledge Development and Dissemination Committee. Universidade Federal do Espírito Santo. Programa de Pós-graduação em Saúde Coletiva. Vitória, ES, Brasil.

Referências

Rossetti SC, Dykes PC, Cato KD, et al. Real-time surveillance system for patient deterioration: a pragmatic cluster-randomized controlled trial. Nat Med. 2025 Jun;31(6):1895-902. DOI: 10.1038/s41591-025-03609-7.

Topaz M, Murga L, Gaddis KM, McDonald MV, Bar-Bachar O, Goldberg Y, Bowles KH. Mining fall-related information in clinical notes: Comparison of rule-based and novel word embedding-based machine learning approaches. J Biomed Inform. 2019 Feb;90:103103. DOI: 10.1016/j.jbi.2019.103103.

Padula WV, Armstrong DG, Pronovost PJ, et al. Predicting pressure injury risk in hospitalised patients using machine learning with electronic health records: a US multilevel cohort study. BMJ Open. 2024 Apr 9;14(4):e082540. DOI: 10.1136/bmjopen-2023-082540.

Marafino BJ, Escobar GJ, Baiocchi MT, et al., Evaluation of an intervention targeted with predictive analytics to prevent readmissions in an integrated health system: observational study. BMJ. 2021 Aug 11;374:n1747. DOI: 10.1136/bmj.n1747.

Yoshinari Júnior GH, Vitorino LM. Large Language Models in Healthcare: An Urgent Call for Ongoing, Rigorous Validation. J Med Syst. 2024;48(1):105. DOI: 10.1007/s10916-024-02126-3.

Vitorino LM, Yoshinari Júnior GH, Lopes-Júnior LC Artificial intelligence in nursing: advancing clinical judgment and decision-making. Rev Bras Enferm.2025;78(4):e780401. DOI: 10.1590/0034-7167.2025780401

Downloads

Publicado

2025-08-29

Como Citar

1.
Vitorino LM, Yoshinari Júnior GH, Lopes Júnior LC. Evolução da Enfermagem e Inteligência Artificial: Segurança e Otimização no Processo de Enfermagem. Rev Enferm UFPI [Internet]. 29º de agosto de 2025 [citado 5º de dezembro de 2025];14(1). Disponível em: https://periodicos.ufpi.br/index.php/reufpi/article/view/6831

Edição

v. 14 n. 1 (2025): Rev Enferm UFPI

Seção

Editorial

Licença

Copyright (c) 2025 Revista Enfermagem UFPI

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Autores mantém os direitos autorais e concedem à REUFPI o direito de primeira publicação, com o trabalho licenciado sob a Licença Creative Commons Attibution BY  4.0 que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

Artigos Semelhantes

<< < 27 28 29 30 31 32 33 34 35 36 > >> 

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.