Panorama geral do uso de programas de inteligência artificial pelo farmacêutico hospitalar
Uma revisão integrativa
DOI:
https://doi.org/10.59681/2175-4411.v18.2026.1544Palavras-chave:
Inteligência Artificial, Serviço de Farmácia Hospitalar, Prescrição de medicamentosResumo
Objetivo: Analisar o panorama geral do uso de programas de inteligência artificial (IA) na análise de prescrições por farmacêuticos hospitalares. Métodos: Revisão integrativa sobre o uso de programas de inteligência artificial na revisão das prescrições. A coleta de dados foi realizada nas bases indexadas MedLine/PubMed, BVS-BIREME, Web of Science, Scopus e na literatura cinzenta. Os estudos foram categorizados e analisados quanto à qualidade metodológica. Resultados: Foram incluídos 9 artigos, agrupados em duas categorias: detecção de erros e otimização do processo (5 estudos) e prevenção de eventos adversos e priorização de casos críticos (4 estudos). A IA contribuiu para reduzir erros de medicação, automatizar tarefas repetitivas e priorizar prescrições de alto risco, elevando a eficiência e segurança. Conclusão: Embora existam algumas evidências de impactos positivos indicando que a IA otimiza a análise de prescrições na farmácia hospitalar, há limitações como dependência da qualidade dos dados, necessidade de atualizações frequentes, integração com prontuários eletrônicos e uso por profissionais capacitados.
Downloads
Referências
Gomes AD, Galato D, Silva EV. Erros de prescrição de medicamentos potencialmente perigosos em um hospital terciário. Rev Bras Farm Hosp Serv Saude. 2017;8(3):42-7.
Leitão CL et al. Artificial intelligence in the clinical pharmacy service in a public hospital in Belo Horizonte/MG. Rev Bras Farm Hosp Serv Saude. 2023;14(3):0991.
Schiff GD et al. Screening for medication errors using an outlier detection system. J Am Med Inform Assoc. 2017;24(2):281-7.
Damasceno EMA et al. O papel do profissional farmacêutico no âmbito hospitalar. Rev Multitexto. 2019;7(1):47-52.
Amazonas LEL. A intervenção farmacêutica nos erros de prescrição em unidades de saúde: uma revisão integrativa [Trabalho de Conclusão de Curso]. Manaus: Universidade Federal do Amazonas; 2021.
Rocha MB, Silveira BP, Pilger D. Aprendizado de máquina nos serviços farmacêuticos: uma revisão integrativa. Clin Biomed Res. 2023;43(1):75-82.
Silva WAM. Tecnologias emergentes na assistência farmacêutica: explorando o uso da inteligência artificial na prevenção de erros de medicação [Trabalho de Conclusão de Curso]. Recife: Universidade Federal de Pernambuco; 2023.
Alshakrah MA, Steinke DT, Lewis PJ. Patient prioritization for pharmaceutical care in hospital: a systematic review of assessment tools. Res Social Adm Pharm. 2019;15(6):767-79.
Nunes HC, Guimarães RMC, Dadalto L. Desafios bioéticos do uso da inteligência artificial em hospitais. Rev Bioét. 2022;30(1):82-93.
Botelho LLR, Cunha CCA, Macedo M. O método da revisão integrativa nos estudos organizacionais. Gestão Soc. 2011;5(11):121-36.
Mascarenhas VH et al. Evidências científicas sobre métodos não farmacológicos para alívio da dor do parto. Acta Paul Enferm. 2019;32(3):350-7.
Ouzzani M et al. Rayyan: a web and mobile app for systematic reviews. Syst Rev. 2016;5(1):210.
Page MJ et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021;372:n71.
Howick J et al. The Oxford 2011 levels of evidence. Oxford Centre for Evidence-Based Medicine. 2011 [citado 2024 out 25]. Disponível em: https://www.cebm.ox.ac.uk/resources/levels-of-evidence/ocebm-levels-of-evidence.
Smoke S. Inteligência artificial em farmácia: um guia para clínicos. Am J Health Syst Pharm. 2024;81(14):641-6.
Huang K et al. CASTER: predicting drug interactions with chemical substructure representation. AAAI Conf Artif Intell. 2020;34(1):702-9.
Flynn A. Using artificial intelligence in health-system pharmacy practice: finding new patterns that matter. Am J Health Syst Pharm. 2019;76(9):622-7.
Obermeyer Z et al. Dissecting racial bias in an algorithm used to manage the health of populations. Science. 2019;366(6464):447-53.
Zhou N et al. Concordance study between IBM Watson for Oncology and clinical practice for patients with cancer in China. Oncologist. 2019;24(6):812-9.
Vaid A et al. Implications of the use of artificial intelligence predictive models in health care settings: a simulation study. Ann Intern Med. 2023;176(10):1358-69.
Lee P, Bubeck S, Petro J. Benefits, limits, and risks of GPT-4 as an artificial intelligence chatbot for medicine. N Engl J Med. 2023;388(13):1233-9.
De Freitas GRM et al. Principais dificuldades enfrentadas por farmacêuticos para exercerem suas atribuições clínicas no Brasil. Rev Bras Farm Hosp Serv Saude. 2016;7(3):35-41.
Downloads
Publicado
Como Citar
Edição
Secção
Licença
Direitos de Autor (c) 2026 Camili Gomes Pereira, Isabel Galdino da Silva Côrrea, Zilda de Santana Gonsalves
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0.
A submissão de um artigo ao Journal of Health Informatics é entendida como exclusiva e que não está sendo considerada para publicação em outra revista (Declaração de Exclusividade). A permissão dos autores para a publicação de seu artigo no J. Health Inform. implica na exclusiva autorização concedida aos editores para incluí-lo na revista. Ao submeter um artigo, ao autor será solicitada a permissão de um Termo de Transferência de Direitos de Publicação. Uma mensagem eletrônica será enviada ao autor correspondente confirmando o recibo do manuscrito e o aceite da Declaração de Direito de Publicação.
