Tudo o que precisas de saber sobre Inteligência Artificial na saúde

A inteligência artificial (IA) na saúde consiste na utilização de sistemas computacionais capazes de analisar grandes volumes de dados clínicos para apoiar diagnósticos, prever riscos, otimizar processos hospitalares e personalizar tratamentos.

Atualmente, já é utilizada em áreas como a radiologia, a gestão hospitalar, a monitorização remota de doentes e o desenvolvimento de novos medicamentos, funcionando como uma ferramenta de apoio aos profissionais de saúde e não como um substituto da decisão clínica.

Ao contrário dos sistemas informáticos tradicionais, que seguem regras fixas, os sistemas de IA identificam padrões em grandes volumes de dados (de registos eletrónicos de saúde a imagiologia clínica) e produzem resultados com um grau de precisão antes reservado à avaliação humana especializada.

O impacto desta tecnologia já é mensurável: o mercado global de IA na saúde movimentou entre 15 e 27 mil milhões de dólares em 2024, sendo que se prevê que venha a ultrapassar os 110 mil milhões em 2030, a um ritmo de crescimento anual de cerca de 38% (MarketsandMarkets, 2025).

Em Portugal, o cenário acompanha esta tendência: o país registou, em 2025, um índice de maturidade em saúde digital de 88%, acima da média europeia de 82,7%, de acordo com os dados publicados pelos Serviços Partilhados do Ministério da Saúde (SPMS).

Neste artigo, percorrerás os conceitos essenciais da IA aplicada à saúde, os domínios em que já está a ser utilizada em contexto hospitalar, os riscos éticos e regulatórios que coloca, o que Portugal está a fazer nesta área e ainda as competências que um profissional de gestão precisa de ter para liderar esta transformação.

Como funciona a inteligência artificial na saúde?

A inteligência artificial na saúde funciona através da análise de grandes volumes de dados clínicos para identificar padrões, gerar previsões e apoiar a tomada de decisão.

Para isso, recorre a algoritmos que aprendem com dados históricos e produzem recomendações ou resultados que ajudam os profissionais de saúde a diagnosticar doenças, planear tratamentos e otimizar processos hospitalares.

Embora existam diferentes tecnologias de IA, o seu funcionamento segue, de forma geral, quatro etapas principais:

1. Recolha de dados clínicos: os sistemas recebem informação proveniente de processos clínicos eletrónicos, exames médicos, análises laboratoriais, dispositivos de monitorização, imagens médicas e outras fontes de dados de saúde.
2. Treino dos algoritmos: os modelos de IA são treinados com grandes conjuntos de dados para aprenderem a reconhecer padrões, relações e tendências relevantes.
3. Análise e geração de previsões: depois de treinados, os algoritmos analisam novos dados e podem estimar riscos, sugerir diagnósticos, identificar alterações em exames ou prever a evolução clínica de um doente.
4. Apoio à decisão: os resultados são apresentados aos profissionais de saúde, que interpretam essa informação e tomam a decisão clínica mais adequada, tendo em conta o contexto específico de cada doente.

Dependendo da tarefa, a IA pode recorrer a diferentes tecnologias, cada uma com aplicações específicas no setor da saúde.

Machine learning

O machine learning (ML) é a base da maioria dos sistemas de IA utilizados na saúde. Os algoritmos são treinados com grandes volumes de dados clínicos históricos para identificar padrões e apoiar previsões, como o risco de readmissão hospitalar, a estimativa de risco cardiovascular ou a triagem de doentes.

Exemplos práticos:

• Modelos de previsão de readmissão hospitalar.
• Sistemas de triagem de urgência.
• Estimativa de risco cardiovascular.

Deep learning

O deep learning (DL) é uma subcategoria do machine learning que utiliza redes neurais artificiais com múltiplas camadas de processamento. Destaca-se pela capacidade de analisar dados não estruturados, como imagens médicas, sinais de eletrocardiograma ou texto clínico, sendo amplamente utilizado em áreas como a Radiologia e a Anatomia Patológica.

Processamento de linguagem natural

O processamento de linguagem natural (PLN) permite que os sistemas de IA compreendam e gerem linguagem humana. Em contexto clínico, é utilizado para extrair informação de notas médicas não estruturadas, transcrever consultas automaticamente ou alimentar assistentes virtuais de triagem, como os que os SPMS pretendem integrar na Linha SNS 24.

Visão computacional

A visão computacional é a capacidade de interpretar imagens digitais. Em Medicina, esta tecnologia está na base dos sistemas de leitura automática de radiografias, ecografias, dermatoscopias e fundoscopias.

Juntas, estas tecnologias formam o que a Organização Mundial da Saúde (OMS) descreve como “sistemas capazes de integrar, em simultâneo, dados clínicos de diferentes naturezas para apoiar a decisão médica e a gestão em saúde”.

Como é que a IA está a ser utilizada nos hospitais e sistemas de saúde?

A IA na saúde deixou de ser uma promessa para o futuro. Atualmente, opera em quatro grandes domínios nos sistemas de saúde mais avançados e, em muitos casos, já em Portugal.

Diagnóstico e apoio à decisão clínica

O diagnóstico por imagem é, neste momento, o campo de maior adoção. Segundo dados da Food and Drug Administration (FDA) dos Estados Unidos (EUA), foram autorizados mais de 1450 dispositivos médicos baseados em IA até ao final de 2025, dos quais cerca de 76% são ferramentas de Radiologia.

Os resultados justificam a prevalência: sistemas de análise automática de radiografias ao tórax apresentam valores preditivos negativos superiores a 99%, o que significa que raramente falham um achado clinicamente relevante.

Na Oftalmologia, a autonomia da IA é particularmente expressiva: os algoritmos de rastreio da retinopatia diabética (uma das principais causas de cegueira prevenível) classificam os exames de fundo ocular com valores de sensibilidade e especificidade superiores a 85–90%, dependendo do sistema e da população estudada.

Em contexto clínico real, alguns destes sistemas registaram 100% de sensibilidade nas categorias de ausência e de retinopatia ligeira.

Na Neurologia, os resultados são igualmente significativos: uma avaliação da implementação de software de IA no percurso do acidente vascular cerebral (AVC) no Serviço Nacional de Saúde do Reino Unido (National Health Service – NHS) documentou uma subida na proporção de doentes com recuperação total ou mínima incapacidade de 16% para 48%, enquanto o tempo entre a entrada na urgência e a transferência para tratamento definitivo caiu de 140 para 79 minutos.

Para além da Imagiologia, os sistemas de apoio ao diagnóstico diferencial (que analisam sintomas, resultados laboratoriais e antecedentes do doente) ajudam os clínicos a considerar hipóteses diagnósticas que poderiam ser descartadas numa consulta com tempo limitado.

Gestão operacional e hospitalar

A transformação digital na saúde não se limita, contudo, à Medicina propriamente dita; a IA está a mudar profundamente a forma como os hospitais são geridos.

Na otimização de escalas e recursos humanos, os algoritmos de ML preveem com antecedência suficiente o fluxo de doentes para ajustarem destacamentos de pessoal, reduzirem horas extraordinárias e distribuírem a carga de trabalho de forma mais equitativa.

Na gestão de listas de espera, os sistemas de agendamento inteligente combinam a disponibilidade de equipamentos, as preferências do doente e o historial de cancelamentos para maximizarem a utilização dos blocos operatórios e das consultas.

A previsão de ocupação de camas e de necessidades farmacêuticas é outro domínio de elevado impacto: ao antecipar picos de admissão causados por surtos sazonais ou padrões de reinternamento, a IA permite que os gestores de saúde tomem decisões de alocação de recursos com base em dados, e não apenas na experiência empírica.

Cuidados do doente e monitorização remota

Os dispositivos wearable (p. ex., pulseiras, adesivos cutâneos e sensores integrados no vestuário) recolhem continuamente dados de frequência cardíaca, saturação de oxigénio, glicemia e atividade física. Quando alimentados por algoritmos de IA, estes dados deixam de ser meros registos passivos e tornam-se sistemas de alerta precoce de deterioração clínica.

O mercado global de monitorização remota de doentes com IA está em rápida expansão: de cerca de 2,3 mil milhões de dólares em 2023, projeta-se que atinja os 24 mil milhões em 2033, com uma taxa de crescimento anual composta de 26,6%. Na Europa, este é o segmento de maior crescimento em toda a cadeia de valor da IA aplicada à saúde.

Na gestão da sépsis (uma das principais causas de morte em contexto hospitalar), os resultados são particularmente expressivos: um estudo prospetivo publicado na Nature Medicine, que envolveu 590.736 doentes em cinco hospitais, demonstrou que a implementação do sistema de alerta precoce por ML TREWS (Targeted Real-time Early Warning System) se associou a uma redução relativa de 18,7% na mortalidade intra-hospitalar entre os doentes cujo alerta foi confirmado pelo médico nas três horas seguintes, com diminuição adicional das falências de órgão e do tempo de internamento.

Investigação e desenvolvimento farmacêutico

A descoberta de novos fármacos é um processo tradicionalmente longo e dispendioso, mas a IA está a comprimir radicalmente estes prazos.

Alguns estudos, como o Drug Discovery Today em 2024, sugerem que determinados programas de descoberta de fármacos assistidos por IA apresentaram taxas de sucesso em ensaios de Fase I superiores à média histórica da indústria, embora a evidência ainda seja limitada e continue em evolução.

A análise de grandes volumes de dados clínicos em saúde (o chamado «big data») permite ainda identificar padrões de resposta ao tratamento em subpopulações específicas, abrindo caminho à medicina de precisão: a personalização de terapêuticas com base nos perfis genético, comportamental e clínico de cada doente.

A inteligência artificial pode substituir médicos e outros profissionais de saúde?

Não. A inteligência artificial não substitui médicos nem outros profissionais de saúde. Atualmente, a sua principal função é apoiar a tomada de decisão clínica, automatizar tarefas repetitivas e melhorar a eficiência dos cuidados, mantendo sempre a supervisão humana nas decisões que afetam os doentes.

Embora os sistemas de IA consigam analisar grandes volumes de dados em poucos segundos e identificar padrões difíceis de detetar pelo ser humano, continuam a apresentar limitações. Os algoritmos não possuem capacidade de julgamento clínico, pensamento crítico, empatia ou compreensão integral do contexto de cada pessoa, fatores essenciais para a prestação de cuidados de saúde.

Na prática, a IA funciona como uma ferramenta de apoio que complementa o trabalho dos profissionais, ajudando-os a tomar decisões mais informadas e a dedicar mais tempo aos cuidados diretos ao doente.

Importa ainda referir que a decisão clínica continua a ser da responsabilidade dos profissionais de saúde. Mesmo quando um sistema de IA sugere um diagnóstico, um tratamento ou uma avaliação de risco, cabe ao médico ou à equipa clínica interpretar essa informação, validá-la e decidir a melhor abordagem para cada caso.

Além disso, a legislação europeia, nomeadamente o Regulamento Europeu da Inteligência Artificial (EU AI Act) e o enquadramento aplicável aos dispositivos médicos, reforça a necessidade de supervisão humana na utilização de sistemas de IA considerados de alto risco, como acontece na maioria das aplicações em contexto clínico.

À medida que a IA evolui, também aumentará a importância das competências humanas que nenhuma tecnologia consegue replicar totalmente, entre as quais se destacam:

• Julgamento clínico e pensamento crítico.
• Comunicação com doentes e familiares.
• Empatia e relação terapêutica.
• Tomada de decisão em situações complexas ou imprevistas.
• Responsabilidade ética e profissional.
• Liderança e coordenação de equipas multidisciplinares.

Mais do que substituir profissionais, a IA está a transformar a forma como estes trabalham. Os sistemas de saúde tenderão a valorizar cada vez mais profissionais capazes de utilizar estas tecnologias de forma crítica, segura e ética, combinando as vantagens da inteligência artificial com a experiência e o julgamento humanos.

Explainable AI (XAI): porque é importante compreender as decisões da IA?

Nem todos os sistemas de inteligência artificial funcionam da mesma forma. Alguns modelos, em particular os baseados em deep learning, podem alcançar elevados níveis de desempenho, mas nem sempre permitem compreender facilmente como chegaram a uma determinada previsão ou recomendação. Este fenómeno é frequentemente descrito como o problema da "caixa negra" (black box).

Para reduzir este desafio, tem vindo a ganhar destaque o conceito de Explainable AI (XAI), ou Inteligência Artificial Explicável. O seu objetivo é tornar os resultados produzidos pelos algoritmos mais transparentes e compreensíveis para os profissionais que os utilizam.

Na área da saúde, a explicabilidade é particularmente importante porque as decisões clínicas podem ter impacto direto na segurança e no tratamento dos doentes.

Um sistema de IA deve permitir que médicos, gestores e outros profissionais compreendam quais os fatores que influenciaram uma determinada recomendação, facilitando a validação dos resultados e aumentando a confiança na tecnologia.

O EU AI Act reforça esta necessidade ao exigir que os sistemas de IA classificados como de alto risco, incluindo muitas aplicações clínicas, disponibilizem informação adequada para permitir a interpretação dos seus resultados e uma supervisão humana eficaz.

Da mesma forma, a OMS recomenda que os sistemas de IA utilizados na saúde privilegiem princípios como a transparência, a rastreabilidade e a responsabilização.

Na prática, uma IA explicável pode indicar, por exemplo, quais as características de uma imagem médica que contribuíram para a deteção de uma lesão, quais os fatores clínicos que aumentaram a estimativa de risco de um doente ou quais os dados considerados mais relevantes para uma determinada previsão.

Esta capacidade não elimina a necessidade de validação clínica, mas melhora a confiança dos profissionais, facilita auditorias e contribui para uma utilização mais segura e ética da inteligência artificial nos sistemas de saúde.

Quais são os riscos e desafios éticos da IA na saúde?

A adoção da IA na saúde levanta questões sérias sobre privacidade de dados, viés algorítmico e responsabilidade clínica que os gestores de saúde precisam de saber identificar, avaliar e gerir.

Privacidade e proteção de dados: o RGPD e o EEDS

Os dados de saúde são classificados como categoria especial ao abrigo do Regulamento Geral de Proteção de Dados (RGPD), o que exige garantias reforçadas de confidencialidade, consentimento e segurança. Com a entrada em vigor do Regulamento (UE) 2025/327, que criou o Espaço Europeu de Dados de Saúde (EEDS) em março de 2025, o enquadramento tornou-se ainda mais exigente.

O EEDS estabelece dois regimes distintos:

1. O uso primário, que garante aos cidadãos o acesso aos seus registos eletrónicos de saúde e a sua portabilidade entre os sistemas de saúde dos Estados-membros.
2. O uso secundário, que permite a investigadores e empresas tecnológicas acederem a dados de saúde anonimizados para treinarem modelos de IA mediante autorização formal. As coimas em caso de incumprimento podem atingir os 20 milhões de euros ou 4% do volume de negócios global anual.

Para os gestores de saúde, a segurança dos dados e a prevenção de ataques cibernéticos deixaram de ser responsabilidades exclusivas das equipas de tecnologias da informação (TI), configurando-se atualmente como competências de gestão estratégica.

Viés algorítmico: quando os dados históricos reproduzem desigualdades em saúde

Um dos riscos mais subtis da IA em saúde é o viés nos algoritmos. Num estudo seminal publicado na revista Science, Obermeyer et al. demonstraram que um algoritmo amplamente utilizado nos EUA para gerir o acesso a cuidados de saúde subestimava sistematicamente as necessidades clínicas de doentes de origem africana em relação a doentes caucasianos com o mesmo estado de saúde.

Tal acontecia porque o algoritmo utilizava os custos históricos com saúde como substituto da necessidade de cuidados, ignorando que as disparidades de acesso historicamente documentadas resultavam em menores despesas, mas não num menor número de visitas a estabelecimentos de cuidados de saúde.

Este exemplo não é um caso isolado: qualquer modelo de IA treinado com dados históricos corre o risco de perpetuar os padrões de desigualdade presentes nesses dados. Garantir a qualidade, a representatividade e a auditabilidade dos conjuntos de dados de treino é uma responsabilidade de gestão e não apenas uma tecnicalidade.

Responsabilidade clínica: quem responde quando um algoritmo falha?

Quando um sistema de IA sugere um diagnóstico incorreto ou uma dose inadequada, a questão da responsabilidade clínica torna-se complexa. A regulamentação europeia atribui a responsabilidade ao utilizador final (o profissional de saúde), o que reforça a importância de os clínicos e gestores compreenderem os limites e o grau de confiança de cada sistema que utilizam.

Em maio de 2025, os SPMS publicaram uma consulta preliminar para a aquisição de uma solução de IA para triagem clínica na Linha SNS 24, impondo como requisito explícito que o sistema garanta “transparência, rastreabilidade e auditabilidade das decisões automáticas”.

É este o padrão regulatório que está a ser aplicado em Portugal e que os gestores de saúde terão de operacionalizar nas suas organizações.

O «EU AI Act» e a IA de alto risco em contexto de saúde

O Regulamento (UE) 2024/1689 (conhecido como «EU AI Act») entrou em vigor em agosto de 2024. Os sistemas de IA utilizados em saúde são, na sua maioria, classificados como sendo de alto risco:

• Os dispositivos médicos ou componentes de segurança abrangidos pelo Medical Devices Regulation (MDR) e pelo In Vitro Diagnostic Regulation (IVDR) constam do Anexo I do regulamento.
• Os sistemas de triagem e de determinação do acesso a serviços de saúde estão abrangidos pelo Anexo III.
• As obrigações de conformidade para IA de alto risco em dispositivos médicos entram em vigor em agosto de 2026.

Em janeiro de 2024, a OMS publicou orientações específicas sobre ética e governação de modelos de IA multimodais em saúde, com mais de 40 recomendações dirigidas a governos, empresas tecnológicas e prestadores de cuidados, sublinhando riscos como a desinformação, o viés e as “alucinações” com potencial impacto clínico direto.

O papel do gestor de saúde neste enquadramento é determinante, sendo este o profissional que:

• Supervisiona as aquisição, implementação e monitorização contínuas dos sistemas de IA.
• Assegura a conformidade com o RGPD, o EEDS e o «EU AI Act».
• Responde perante os órgãos reguladores e os doentes.

A formação especializada em gestão de saúde com literacia digital é, por isso, uma condição necessária para o exercício de funções.

Cibersegurança: proteger sistemas de saúde e dados clínicos

À medida que os hospitais e os sistemas de saúde recorrem cada vez mais à inteligência artificial e à partilha de dados digitais, a cibersegurança tornou-se um dos principais desafios para a continuidade e a segurança da prestação de cuidados. Ataques informáticos podem comprometer processos clínicos, interromper serviços essenciais e expor informações de saúde altamente sensíveis.

Entre as ameaças mais frequentes encontram-se os ataques de ransomware, que bloqueiam o acesso aos sistemas informáticos até ao pagamento de um resgate, a exploração de vulnerabilidades em dispositivos médicos ligados à rede e o acesso não autorizado a bases de dados clínicas.

Para além do impacto financeiro, estes incidentes podem atrasar diagnósticos, cancelar cirurgias e colocar em risco a segurança dos doentes.

Neste contexto, a proteção das infraestruturas digitais deixou de ser apenas uma responsabilidade das equipas de tecnologias da informação. Os gestores de saúde devem garantir que as organizações implementam medidas de prevenção, monitorização e resposta a incidentes, incluindo políticas de controlo de acessos, encriptação de dados, cópias de segurança, formação dos profissionais e planos de continuidade operacional.

Na União Europeia, este enquadramento é reforçado pela Diretiva NIS2, que estabelece requisitos mais exigentes de gestão do risco e de reporte de incidentes para entidades consideradas essenciais, incluindo grande parte das organizações do setor da saúde.

Em conjunto com o RGPD, o Espaço Europeu de Dados de Saúde (EEDS) e o EU AI Act, a NIS2 contribui para criar um quadro regulatório que procura assegurar que a adoção da inteligência artificial ocorre de forma segura, resiliente e confiável.

Como está Portugal a implementar a IA no setor da saúde?

Portugal destaca-se por:

• Elevada maturidade digital.
• Desenvolvimento da Linha SNS 24.
• Projetos dos SPMS.
• Participação em iniciativas europeias.
• Projetos privados de investigação.

O país ocupa uma posição de destaque na Europa em matéria de saúde digital: segundo os dados mais recentes publicados pelos SPMS, o país atingiu, em 2025, uma maturidade em saúde digital de 88%, acima da média europeia de 82,7%, posicionando-se entre os 10 melhores da UE. Na dimensão do acesso dos cidadãos ao registo eletrónico de saúde, Portugal alcançou a pontuação máxima de 100%.

O SNS e os SPMS na linha da frente

Os SPMS têm sido o motor da transformação digital em saúde em Portugal. Entre as iniciativas mais relevantes em curso, registam-se:

• A publicação de dois white papers sobre IA em saúde (março e novembro de 2025), que definem o enquadramento regulatório, os impactos esperados e os critérios para uma implementação ética e segura no Serviço Nacional de Saúde (SNS).
• A integração de IA na Linha SNS 24: os SPMS lançaram, em 2025, um processo de aquisição de uma solução de triagem clínica por linguagem natural, com requisitos explícitos de transparência e auditabilidade.
• A aplicação Detect SNS 24, que agrega serviços digitais de deteção precoce com apoio de algoritmos preditivos.
• A participação no MyHealth@EU, no âmbito do qual Portugal iniciou a partilha transfronteiriça de dados de saúde com Chipre, ao abrigo do EEDS.

A iniciativa privada: CUF, Hospital da Luz e Fundação Champalimaud

O setor privado português está igualmente na vanguarda desta transformação.

CUF

A CUF implementou o software AutoContour no serviço de radioterapia, uma ferramenta de IA que automatiza a delimitação de estruturas anatómicas nos planos de tratamento, aumentando a consistência e libertando os oncologistas para tarefas de maior complexidade. A CUF disponibiliza também um pré-rastreio de sintomas baseado em IA na sua aplicação digital.

Hospital da Luz

O Hospital da Luz estabeleceu, em fevereiro de 2023, uma parceria com o Instituto Superior Técnico (IST) para um projeto-piloto de monitorização remota com IA em 50 doentes voluntários com doenças crónicas.

Fundação Champalimaud

A Fundação Champalimaud lidera, em Portugal, a investigação aplicada de IA em Oncologia. No âmbito do projeto europeu ProCAncer-I, os seus investigadores construíram um repositório com mais de 17.000 exames de ressonância magnética prostática multiparamétrica, com modelos de IA que demonstraram capacidade de evitar biópsias desnecessárias em cerca de 20% dos casos.

A Fundação desenvolve também o MetaBreast (que combina IA, visão computacional e tecnologia imersiva para cirurgias de cancro da mama) e o VOX-PULMO, orientado para a deteção precoce do cancro do pulmão através da análise do ar expirado.

Portugal no mapa da Estratégia Europeia de Saúde Digital

A par das iniciativas nacionais, Portugal integra os principais programas e redes europeus de saúde digital:

• Participa na ação conjunta eCAN Plus para a transformação digital dos cuidados oncológicos.
• Os SPMS assumiram a vice-presidência da Global Digital Health Partnership (GDHP) em 2024.
• O país está alinhado com os objetivos do EU4Health e da Missão do Cancro da Comissão Europeia.

De que competências precisa um gestor de saúde para trabalhar com IA?

Um relatório publicado pela Organização para a Cooperação e Desenvolvimento Económico (OCDE) em maio de 2025, intitulado «Digital and AI skills in health occupations», baseado na análise de 55,5 milhões de ofertas de emprego em três países (Canadá, Reino Unido e EUA), identificou um aumento consistente da procura de competências digitais e de IA nas profissões de saúde, com especial destaque para as funções de gestão e administração hospitalar.

O mesmo relatório estima que cerca de 32% do emprego em saúde nos EUA já são classificados como «potencialmente aumentados» pela IA.

Em paralelo, a OCDE estima que a UE enfrenta uma escassez de cerca de 1,2 milhões de médicos, enfermeiros e parteiras, o que reforça o argumento da produtividade a favor da IA, mas também a necessidade urgente de gestores que saibam implementá-la com eficácia.

O perfil de competências que o mercado está a exigir a um gestor de saúde com literacia digital organiza-se em cinco dimensões:

1. Literacia digital em saúde

O conceito de “literacia digital em saúde” consiste em saber interpretar o que um sistema de IA faz e o que não faz e compreender os seus limites, o seu grau de confiança e as condições em que a sua utilização é adequada. Não é necessário saber programar, mas sim saber colocar as questões certas.

2. Gestão e análise de dados

As gestão e análise de dados traduzem-se na capacidade de trabalhar, justamente, com dados, mas concretamente em contexto de saúde. É necessário saber:

• Interpretar dashboards.
• Avaliar modelos de desempenho.
• Identificar inconsistências nos dados.
• Tomar decisões com base em provas.

A compreensão dos indicadores de desempenho clínico e operacional é uma competência central neste domínio.

3. Liderança de equipas multidisciplinares

Os projetos de IA em saúde envolvem, simultaneamente, clínicos, engenheiros de software, especialistas em dados, reguladores e gestores. Coordenar estas equipas (com linguagens, prioridades e culturas profissionais distintas) requer competências de liderança e comunicação que vão muito além da gestão tradicional.

4. Gestão da mudança organizacional em contexto hospitalar

A implementação de IA num hospital não é um projeto de TI, mas sim uma transformação cultural, operacional e clínica que enfrenta resistências, exige formação contínua e implica redesenhar processos consolidados.

Os gestores de saúde são os agentes desta transformação e precisam de ferramentas para conduzi-la com eficácia.

5. Ética e compliance em projetos de IA

Conhecer o enquadramento legal europeu (RGPD, EEDS, «EU AI Act») e saber aplicá-lo no contexto concreto da organização de saúde é o que se pretende nesta dimensão, da aquisição de sistemas à monitorização contínua, passando pela gestão de incidentes e pela comunicação transparente com os doentes.

Estas são precisamente as competências desenvolvidas nos programas de Gestão e Ciências da Saúde da Universidade Europeia, onde a formação em liderança e estratégia é conjugada com uma componente de saúde digital concebida para os desafios concretos do setor na atualidade.

Como desenvolver competências em gestão de saúde e IA?

A Universidade Europeia disponibiliza três programas especificamente desenhados para capacitar profissionais que pretendem estar na linha da frente desta transformação:

1. O Mestrado 100% Online em Gestão de Saúde é um programa interdisciplinar de formação avançada (equivalente a 120 ECTS) que te prepara para planeares, coordenares e otimizares unidades e sistemas de saúde; inclui um Ramo em Saúde Digital com as unidades curriculares de «Inteligência Artificial e Tecnologia de Saúde», «Digitalização dos Cuidados de Saúde» e «Cibersegurança e Proteção de Dados», um percurso formativo diretamente alinhado com os desafios explorados ao longo deste artigo.
2. A Pós-Graduação em Gestão na Saúde mune-te de competências nas áreas de gestão, estratégia, inovação tecnológica e liderança de equipas, num formato presencial em Lisboa (ideal para quem valoriza a componente relacional e a partilha de experiências com outros profissionais do setor).
3. A Pós-Graduação Online em Gestão em Saúde desenvolve as mesmas competências essenciais de gestão de serviços de saúde, embora num formato flexível, adaptado às necessidades de profissionais com horários exigentes.

Se já tiveres formação em gestão e literacia digital, estarás no lugar certo, à hora certa, preparado não só para acompanhar a transformação, mas também para a conduzires.

A crescente adoção da IA na saúde está a transformar a forma como os cuidados são planeados, prestados e geridos. Neste contexto, desenvolver competências em gestão, análise de dados, saúde digital e regulamentação tornou-se um fator diferenciador para profissionais que pretendem acompanhar esta evolução e contribuir para uma implementação segura e eficaz destas tecnologias.