The joint evolution of Nursing and Artificial Intelligence: Safety and optimization in the Nursing Process

Authors

DOI:

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

Keywords:

Nursing, Artificial Intelligence, Nursing Process

Abstract

The adoption of Artificial Intelligence (AI) in Nursing is no longer a mere possibility and already manifests itself in the routine of various health services. Its scope encompasses from automated analysis of medical records to algorithms capable of foreseeing complications at a large scale.

Each of the Nursing Process phases (Assessment, Diagnosis, Planning, Implementation and Evaluation) finds in AI a number of resources to expand patient safety and improve efficiency in the teams. However, the objective is not to substitute nurses' expertise but, on the contrary, to optimize repetitive tasks through AI, freeing time for advanced clinical reasoning, people-centered care and rational resource management.

As for the Assessment phase, studies such as the one by Rossetti et al.(1) show that a real-time analysis of Nursing records through “deep learning” issues precise alerts about imminent clinical deterioration.

This anticipation of risks enables earlier interventions and avoiding problems, thus improving care safety in a tangible way. In the Diagnosis phase, Natural Language Processing (NLP) algorithms can identify patterns linked to falls, infections and other threats(2). [...]

Author Biographies

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.

References

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

Published

2025-08-29

How to Cite

1.
Vitorino LM, Yoshinari Júnior GH, Lopes Júnior LC. The joint evolution of Nursing and Artificial Intelligence: Safety and optimization in the Nursing Process. Rev Enferm UFPI [Internet]. 2025 Aug. 29 [cited 2025 Dec. 5];14(1). Available from: https://periodicos.ufpi.br/index.php/reufpi/article/view/6831

Issue

Vol. 14 No. 1 (2025): Rev Enferm UFPI

Section

Editorial

License

Copyright (c) 2025 Rev Enferm UFPI

Creative Commons License

This work is licensed under a 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.

Similar Articles

1 2 3 4 5 6 7 8 9 10 > >> 

You may also start an advanced similarity search for this article.