Telessaúde Alagoas Inteligente: Sistema Inteligente de Contrarreferência para Gestantes de Risco

Descrição

A gestação de alto risco constitui um dos principais desafios para a organização das redes de atenção materno-infantil no Sistema Único de Saúde, especialmente em contextos marcados por desigualdades territoriais, fragmentação dos sistemas de informação e dificuldades de comunicação entre a Atenção Primária à Saúde, os serviços especializados e os hospitais de referência. Em Alagoas, a ausência, o atraso ou a baixa qualidade das informações clínicas no processo de referência e contrarreferência pode comprometer a continuidade do cuidado, dificultar o acompanhamento oportuno das gestantes, aumentar o risco de complicações maternas e fetais e reduzir a capacidade dos gestores e profissionais de saúde de identificar precocemente situações assistenciais críticas. A proposta deriva do projeto aprovado “Telessaúde Alagoas Inteligente: Sistema Inteligente de Contrarreferência para Gestantes de Risco Integrado à RNDS”, cuja finalidade é desenvolver uma solução de vigilância clínica automatizada com suporte de inteligência artificial para monitorar a contrarreferência e apoiar a coordenação do cuidado de gestantes de alto risco no SUS. A proposta original prevê a integração de dados provenientes do AGHU, e-SUS/PEC e RNDS, além do uso de modelos de aprendizado de máquina, processamento de linguagem natural, modelos de linguagem de grande escala e mecanismos de inteligência artificial explicável para identificar riscos assistenciais, falhas nos encaminhamentos e padrões de descontinuidade do cuidado. No contexto da pesquisa, o estudo será direcionado à modelagem, análise e validação de estratégias computacionais baseadas em análise de séries temporais clínicas e inteligência artificial generativa aplicadas ao acompanhamento de gestantes de alto risco. O foco estará na organização e exploração de dados longitudinais relacionados ao percurso assistencial da gestante, incluindo eventos como consultas na atenção primária, atendimentos especializados, registros de encaminhamento, retorno à unidade de origem, exames, alertas clínicos, faltas, atrasos no seguimento e possíveis sinais de agravamento. Esses dados, quando estruturados temporalmente, permitem investigar padrões de cuidado, detectar lacunas assistenciais e apoiar a geração de alertas para situações em que a continuidade do acompanhamento possa estar ameaçada. A análise de séries temporais será explorada como eixo metodológico para representar a evolução do cuidado ao longo do tempo. Diferentemente de uma análise estática baseada apenas em registros isolados, a abordagem temporal permite compreender a sequência, a frequência e os intervalos entre eventos clínico-assistenciais relevantes. Assim, será possível estudar padrões como atraso entre o encaminhamento e o atendimento especializado, ausência de retorno após consulta de referência, repetição de eventos agudos, interrupção do seguimento ou ausência de registros esperados no plano terapêutico. Tais padrões poderão subsidiar modelos preditivos capazes de estimar risco de descontinuidade do cuidado, abandono de seguimento ou necessidade de intervenção oportuna por equipes de telessaúde e atenção primária. A inteligência artificial generativa será investigada como recurso para apoiar a interpretação, sumarização e qualificação de informações clínicas textuais. No projeto aprovado, há previsão de uso de processamento de linguagem natural, BioBERT, Large Language Models e estratégias de Recuperação Aumentada de Informação para analisar registros clínicos, identificar falhas no preenchimento das referências e apoiar a comunicação técnica entre os níveis de atenção. Nesse eixo, poderão ser desenvolvidos experimentos voltados à geração de resumos clínicos estruturados, síntese do histórico longitudinal da gestante, identificação de informações ausentes em encaminhamentos, classificação da completude dos registros e apoio à elaboração de contrarreferências mais claras, consistentes e úteis para os profissionais da rede. A proposta também se conecta ao escopo da Rede SOFIA, que prevê uma infraestrutura federada de dados e inteligência artificial para saúde materno-infantil, integrando bases públicas do SUS, dados territoriais, registros clínicos e agentes inteligentes baseados em aprendizado de máquina, deep learning e modelos de linguagem com RAG. Nesse contexto, a UFAL lidera o pacote relacionado à integração de séries temporais clínicas e registros estruturados, com desenvolvimento de feature stores, agentes LLM e painéis de contrarreferência, em colaboração com os pacotes transversais de interoperabilidade, agentes inteligentes e frontend unificado. A contribuição científica esperada está na investigação de como dados temporais e textuais podem ser combinados para apoiar a vigilância digital de gestantes de alto risco. A pesquisa permitirá estudar técnicas de preparação, anonimização, normalização e estruturação de dados clínicos; construção de variáveis temporais; análise exploratória de eventos assistenciais; modelagem preditiva; avaliação de desempenho de algoritmos; e uso responsável de modelos generativos em saúde. Também serão considerados aspectos de explicabilidade, segurança, privacidade, conformidade com a LGPD e interoperabilidade com padrões como HL7 FHIR, elementos centrais previstos tanto no projeto Telessaúde Alagoas Inteligente quanto na Rede SOFIA. Do ponto de vista prático, espera-se a produção de artefatos científicos e tecnológicos úteis para a evolução da plataforma de contrarreferência. Entre eles, podem ser incluídos: revisão técnico-científica sobre inteligência artificial generativa e séries temporais em saúde materno-infantil; modelo conceitual de dados temporais para acompanhamento de gestantes de alto risco; scripts de pré-processamento e análise exploratória; indicadores temporais de continuidade do cuidado; experimentos com modelos preditivos; protótipos de sumarização automática de registros clínicos; e documentação técnica dos achados. Esses resultados poderão apoiar a construção futura de painéis inteligentes de vigilância clínica, módulos de alerta assistencial e ferramentas de apoio à decisão multiprofissional. A relevância social da proposta está diretamente relacionada à possibilidade de fortalecer a continuidade do cuidado de gestantes de alto risco no SUS. Ao apoiar a identificação precoce de falhas de seguimento, atrasos, inconsistências de encaminhamento e situações de maior vulnerabilidade assistencial, a pesquisa poderá contribuir para a qualificação da regulação, da contrarreferência e da comunicação entre os níveis de atenção. Além disso, ao explorar tecnologias de inteligência artificial explicável e generativa em um cenário real de saúde pública, a proposta contribui para a formação de recursos humanos qualificados em saúde digital, inteligência artificial aplicada à saúde, ciência de dados clínicos e inovação tecnológica voltada ao SUS. A pesquisa propõe investigar métodos computacionais para transformar dados clínicos e assistenciais de gestantes de alto risco em informações úteis, temporais, explicáveis e acionáveis. A proposta articula análise de séries temporais, inteligência artificial generativa e vigilância clínica digital, com foco na melhoria da contrarreferência, da continuidade do cuidado e da segurança materno-fetal. Seu desenvolvimento permitirá aproximar pesquisa acadêmica, inovação em saúde digital e necessidades concretas da rede pública de saúde, contribuindo para a consolidação de soluções inteligentes, interoperáveis e orientadas por evidências no cuidado materno-infantil.