Tema: Inteligência Artificial • Governança • Segurança do Paciente • Enfermagem • Interoperabilidade • Eficiência Assistencial • Saúde Baseada em Valor

O CASE REGITS desta semana analisa uma experiência que responde a uma pergunta central para a transformação digital em saúde:

O que acontece quando um algoritmo identifica um risco, mas a organização ainda não sabe quem deve agir, quando agir e como medir o resultado?

O caso do Kaiser Permanente mostra que o valor da Inteligência Artificial não esteve apenas no modelo preditivo.

O diferencial foi transformar uma previsão em um processo clínico, operacional e de governança escalável.

O programa Advance Alert Monitor, AAM, foi desenvolvido pela Kaiser Permanente Northern California para identificar pacientes hospitalizados com risco de deterioração clínica antes que o evento crítico aconteça. Após piloto inicial, a solução foi expandida para os 21 hospitais da rede.

DESAFIO

Pacientes internados em enfermarias podem apresentar deterioração clínica antes de uma transferência não planejada para UTI ou de outros eventos graves.

O desafio era que a identificação desses pacientes dependia, tradicionalmente, de:

• observação clínica;
• cálculos manuais de risco;
• diferentes níveis de experiência das equipes;
• múltiplos dados dispersos no prontuário eletrônico;
• capacidade limitada de monitoramento contínuo.

A Kaiser Permanente precisava responder a uma questão mais complexa do que simplesmente construir um algoritmo:

Como identificar o risco precocemente sem criar mais alarmes, sobrecarga e fadiga de alertas para as equipes assistenciais?

O modelo AAM passou a utilizar dados do prontuário eletrônico para estimar o risco de deterioração com até 12 horas de antecedência.

SOLUÇÃO

A solução combinou analytics + enfermagem virtual + equipes de resposta rápida + protocolos clínicos padronizados.

O fluxo foi desenhado assim:

O ponto mais interessante é que o alerta não foi enviado diretamente para todos os profissionais da linha de frente.

A Kaiser criou uma camada intermediária de profissionais especializados, a equipe virtual de qualidade, que revisava o prontuário, avaliava a pertinência do alerta e encaminhava apenas informações acionáveis às equipes locais.

Esse desenho buscou reduzir a fadiga de alertas e preservar o julgamento clínico humano. O programa também estruturou governança, fluxos de resgate clínico, processos de cuidados paliativos e padrões de documentação.

RESULTADOS

A avaliação do programa utilizou uma implantação escalonada em 19 hospitais, comparando resultados entre unidades onde o AAM já estava operacional e unidades que ainda não haviam recebido a intervenção.

A análise ajustada estimou uma redução de 3 mortes por 1.000 pacientes elegíveis, equivalente a aproximadamente 520 mortes evitadas por ano, com intervalo de confiança de 95% entre 209 e 831.

Além dos desfechos clínicos, o programa passou a operar nos 21 hospitais da Kaiser Permanente Northern California, com monitoramento 24 horas por dia, 7 dias por semana, processando aproximadamente 16 mil alertas por ano.

Leitura crítica REGITS

Os resultados são fortes, mas devem ser interpretados corretamente.

O estudo avaliou a implantação em condições reais de operação e encontrou uma associação estatisticamente significativa entre o programa e melhores desfechos. Isso não significa que o algoritmo isoladamente tenha produzido os resultados.

O próprio desenho da intervenção deixa claro que o efeito observado envolve:

modelo preditivo + enfermagem especializada + resposta rápida + protocolos + integração organizacional.

Esse é, justamente, o principal aprendizado do caso.

INSIGHT GEHOSP

IA não gera valor quando prevê um problema. Gera valor quando a organização sabe o que fazer com a previsão.

Esse case desmonta uma ilusão frequente:

Precisamos de uma IA cada vez mais sofisticada.

Nem sempre.

Uma previsão altamente precisa pode produzir pouco resultado se não existir:

• responsável definido;
• fluxo de resposta;
• autonomia para agir;
• integração com a equipe;
• protocolos;
• indicadores;
• monitoramento dos resultados.

O verdadeiro produto da Kaiser Permanente não foi apenas um algoritmo.

Foi um sistema operacional de resposta ao risco.

APLICAÇÃO PRÁTICA

Uma instituição brasileira poderia adaptar essa lógica sem começar pela compra de uma grande plataforma.

1. Escolher um problema prioritário

Por exemplo:

• deterioração clínica;
• sepse;
• risco de queda;
• reinternação;
• superlotação;
• atraso na alta;
• risco de permanência prolongada.

2. Mapear os dados já disponíveis

Antes de discutir IA, responder:

Onde estão os dados? Eles são confiáveis? Conseguem conversar entre si?

3. Definir a cadeia de decisão

Para cada alerta:

Quem recebe?
Quem valida?
Quem decide?
Quem executa?
Quem acompanha o desfecho?

4. Proteger a equipe contra fadiga de alertas

Nem todo alerta precisa chegar à beira leito.

Uma camada de validação clínica pode transformar:

SINAL BRUTO => ALERTA QUALIFICADO => AÇÃO CLÍNICA

5. Medir valor

Indicadores possíveis:

• mortalidade;
• admissões em UTI;
• tempo de permanência;
• tempo até intervenção;
• eventos adversos;
• reinternação;
• carga de trabalho;
• custo evitado;
• experiência do paciente.

ANÁLISE ESTRATÉGICA GEHOSP

O caso da Kaiser Permanente conversa diretamente com o momento brasileiro.

Em agosto de 2026, o Conass voltou a colocar FHIR, interoperabilidade, cibersegurança e governança da informação no centro das discussões sobre transformação digital do SUS.

A Política Nacional de Qualidade e Segurança do Paciente também reforça princípios como:

• interoperabilidade;
• monitoramento;
• tecnologias digitais para gestão do cuidado e riscos;
• uso ético e seguro dos dados;
• indicadores e evidências para tomada de decisão.

Há ainda uma dimensão profissional decisiva.

O Conselho Federal de Enfermagem reforçou, em 2026, a participação da enfermagem nos processos de Avaliação de Tecnologias em Saúde, incluindo análise, incorporação e monitoramento de tecnologias.

O caso Kaiser mostra exatamente por que isso importa.

A enfermagem não aparece como mera usuária final da tecnologia.

Ela integra a própria arquitetura de decisão.

Para a GeHosp, isso revela cinco dimensões estratégicas:

1. Governança antes da escala
Não começar pela ferramenta. Começar pelo problema e pelo processo decisório.

2. Interoperabilidade como infraestrutura
Sem dados integrados, a IA vira uma ilha sofisticada.

3. Profissionais no centro da solução
A tecnologia precisa ampliar a capacidade de decisão, e não criar novas camadas de trabalho.

4. IA orientada a valor
O indicador final não é quantidade de algoritmos implantados. É melhoria mensurável em resultados.

5. Avaliação contínua
Todo algoritmo precisa ser acompanhado quanto ao desempenho, utilização, impacto e possíveis efeitos indesejados.

O QUE ESTE CASE ENSINA PARA HOSPITAIS BRASILEIROS?

A grande oportunidade talvez não esteja em perguntar:

“Qual IA devemos comprar?”

Mas em perguntar:

“Qual risco crítico da nossa operação hoje poderia ser identificado mais cedo, respondido mais rápido e monitorado de forma padronizada?”

Essa mudança de pergunta altera completamente o projeto.

Sai o foco em tecnologia.

Entra o foco em:

RESULTADO ASSISTENCIAL + EFICIÊNCIA + SEGURANÇA + GOVERNANÇA

É aqui que a transformação digital começa a se aproximar, de fato, da saúde baseada em valor.

DEBATE DA SEMANA

Na sua organização, o maior desafio para utilizar IA na assistência é identificar o risco ou conseguir transformar o alerta em ação?

Qual é o principal gargalo?

• Dados fragmentados
• Falta de interoperabilidade
• Excesso de alertas
• Ausência de protocolos
• Falta de governança
• Resistência das equipes
• Falta de indicadores de resultado
• Dificuldade para escalar

Conte sua experiência.

Porque talvez a maior barreira para a IA na saúde não esteja no algoritmo.

Talvez esteja na capacidade da organização de decidir e agir de forma coordenada.

FONTES

Caso principal

New England Journal of Medicine, estudo sobre o Advance Alert Monitor

Joint Commission Journal, implantação do AAM em escala nos 21 hospitais

Kaiser Permanente, resultados e descrição institucional do programa

Contexto brasileiro

Conass, interoperabilidade, FHIR, cibersegurança e governança da informação em saúde, agosto de 2026

Conass, Política Nacional de Qualidade e Segurança do Paciente

Cofen, Resolução nº 809/2026 sobre Avaliação de Tecnologias em Saúde

Cofen, regulamentação da atuação da enfermagem em ATS

FECHAMENTO

O algoritmo identificou o risco. A organização salvou o valor.

O caso da Kaiser Permanente mostra que a Inteligência Artificial mais relevante para a saúde não é necessariamente aquela que faz a previsão mais impressionante.

É aquela que consegue entrar no fluxo real de trabalho e conectar:

DADO => PREVISÃO => VALIDAÇÃO => DECISÃO => AÇÃO => RESULTADO

A tecnologia identifica uma possibilidade.

A governança transforma essa possibilidade em resposta.

GEHOSP- REGITS | Rede Brasileira de Governança, Inovação e Transformação em Saúde

Conhecimento que conecta. Inteligência que transforma.

Até a próxima semana.

O post Kaiser Permanente: como transformar IA preditiva em uma resposta clínica coordenada apareceu primeiro em GeHosp - Roberta Massa | Governança, Inovação e Saúde.

Mas existe uma pergunta que continua desafiando todos nós:

Como transformar um sistema tão complexo sem construir uma verdadeira rede de colaboração?

Foi essa reflexão que inspirou a criação da REGITS – Rede Brasileira de Governança, Inovação e Transformação em Saúde.

Mais do que um grupo no LinkedIn, queremos construir uma comunidade nacional onde conhecimento, experiências e conexões gerem soluções para os desafios reais da gestão em saúde.

Nosso propósito é aproximar gestores, profissionais, pesquisadores, universidades, startups, hospitais, organizações públicas e privadas para fortalecer uma cultura de colaboração e inovação.

Acreditamos que governança não é apenas estabelecer regras. É criar conexões capazes de transformar estratégia em resultados e inovação em valor para a sociedade.

A partir de hoje, este espaço será dedicado ao compartilhamento de boas práticas, tendências, estudos de caso, ferramentas, pesquisas e debates que contribuam para fortalecer o ecossistema da saúde brasileira.

Agora queremos ouvir você.

Na sua opinião, qual é o maior desafio para transformar a gestão da saúde no Brasil?

Sua experiência é importante para construirmos essa rede juntos.

O post A transformação da saúde começa quando deixamos de trabalhar isoladamente apareceu primeiro em GeHosp - Roberta Massa | Governança, Inovação e Saúde.