APLICAÇÃO DE INTELIGÊNCIA ARTIFICIAL NA PREVISÃO DE CRITICIDADE DE ESTOQUES HEMOTERÁPICOS UM ESTUDO COM DADOS OPERACIONAIS REAIS
- 1Centro de Hemoterapia de Sergipe (HEMOSE), Aracaju, SE, Brasil
Abstract
A gestão dos estoques hemoterápicos é limitada pela ausência de um sistema nacional integrado em tempo real, resultando em monitoramento descentralizado e maior risco de desabastecimento. O objetivo deste estudo foi aplicar técnicas de inteligência artificial na previsão da criticidade de estoques hemoterápicos a partir de dados operacionais de um hemocentro público brasileiro, entre janeiro e março de 2026. Trata-se de um estudo observacional, retrospectivo, documental e analítico, com abordagem quantitativa, baseado em informativos institucionais de monitoramento dos estoques estratégicos de concentrados de hemácias (CH) e concentrados de plaquetas (CP). Os dados foram extraídos, estruturados em formato tabular (DataFrame) e analisados em ambiente Python utilizando a biblioteca pandas. A análise evidenciou heterogeneidade na criticidade dos estoques, com variações entre hemocomponentes e grupos sanguíneos. Os concentrados de hemácias predominaram nos estados ideal e de alerta, enquanto os concentrados de plaquetas apresentaram maior frequência dos estados crítico e de emergência, indicando maior instabilidade operacional. Os grupos sanguíneos B-, AB- e O+ apresentaram maior vulnerabilidade. Também foram observadas oscilações frequentes entre os níveis de criticidade, caracterizadas por períodos de agravamento seguidos de recuperação parcial dos estoques. Foram aplicados os algoritmos Random Forest e XGBoost para avaliação preditiva da criticidade dos estoques. Ambos apresentaram elevado desempenho, com superioridade do XGBoost, especialmente nas métricas de recall e F1-score, indicando maior sensibilidade na identificação de estados críticos e emergenciais. As métricas demonstraram consistência entre acurácia, precisão, recall e F1-score, reforçando a robustez dos modelos. A distribuição temporal revelou predominância do estado ideal, com oscilações entre alerta e crítico e ocorrência pontual de estados de emergência. Os resultados demonstram que a criticidade dos estoques é influenciada pela demanda assistencial, perecibilidade dos hemocomponentes e logística de distribuição. A maior estabilidade dos concentrados de hemácias, em contraste com a maior criticidade das plaquetas, evidencia a necessidade de estratégias específicas de monitoramento e reposição. A elevada capacidade preditiva dos modelos reforça o potencial da inteligência artificial para antecipação de cenários críticos e apoio à tomada de decisão. Conclui-se que a inteligência artificial apresenta elevado potencial para previsão da criticidade dos estoques hemoterápicos, permitindo antecipar riscos, otimizar recursos e fortalecer a segurança transfusional, consolidando-se como ferramenta estratégica para a gestão baseada em dados nos serviços de hemoterapia.
Related
- DESENVOLVIMENTO DE FERRAMENTA DIGITAL PARA APLICAÇÃO DE ESCALAS DE ENFERMAGEM COM APOIO DA INTELIGÊNCIA ARTIFICIAL GENERATIVA
- DA ANÁLISE HISTÓRICA À ESTIMATIVA OPERACIONAL: APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL NO PLANEJAMENTO ESTRATÉGICO DE ESTOQUE EM AGÊNCIA TRANSFUSIONAL
- Respuesta a los comentarios sobre el modelo electrocardiográfico basado en inteligencia artificial para la detección de infarto de miocardio por oclusión coronaria aguda
- INTELIGÊNCIA ARTIFICIAL NO CONTEXTO DOS CUIDADOS PALIATIVOS: EVIDÊNCIAS ATUAIS E LIMITAÇÕES NA PRÁTICA CLÍNICA
- RESULTADOS DO USO DE INTELIGÊNCIA ARTIFICIAL NA AUTOMAÇÃO DE PROCESSOS DE COMPRAS DE PRODUTOS
BibTeX
@article{teles2026aplicação,
title = {{APLICAÇÃO DE INTELIGÊNCIA ARTIFICIAL NA PREVISÃO DE CRITICIDADE DE ESTOQUES HEMOTERÁPICOS UM ESTUDO COM DADOS OPERACIONAIS REAIS}},
author = {Weber Santana TELES and Florita De Moura AQUINO and Douglas ABILIO and Orleane Souza REZENDE and Conrado Marques DE SOUZA NETO and Ádamo Newton MARINHO ANDRADE and Raphael Davisson LOPES SANTOS and Lana Elise SANTANA SANTOS and Cauã Marx NASCIMENTO CARVALHO and Francisca Evane CELESTINO CARMO},
journal = {Hematology, Transfusion and Cell Therapy},
year = {2026},
month = oct,
doi = {10.1016/j.htct.2026.107396},
url = {https://doi.org/10.1016/j.htct.2026.107396},
note = {CC BY},
}
RIS
TY - JOUR
TI - APLICAÇÃO DE INTELIGÊNCIA ARTIFICIAL NA PREVISÃO DE CRITICIDADE DE ESTOQUES HEMOTERÁPICOS UM ESTUDO COM DADOS OPERACIONAIS REAIS
AU - Weber Santana TELES
AU - Florita De Moura AQUINO
AU - Douglas ABILIO
AU - Orleane Souza REZENDE
AU - Conrado Marques DE SOUZA NETO
AU - Ádamo Newton MARINHO ANDRADE
AU - Raphael Davisson LOPES SANTOS
AU - Lana Elise SANTANA SANTOS
AU - Cauã Marx NASCIMENTO CARVALHO
AU - Francisca Evane CELESTINO CARMO
PY - 2026
DA - 2026/10/23
JO - Hematology, Transfusion and Cell Therapy
DO - 10.1016/j.htct.2026.107396
UR - https://doi.org/10.1016/j.htct.2026.107396
AB - A gestão dos estoques hemoterápicos é limitada pela ausência de um sistema nacional integrado em tempo real, resultando em monitoramento descentralizado e maior risco de desabastecimento. O objetivo deste estudo foi aplicar técnicas de inteligência artificial na previsão da criticidade de estoques hemoterápicos a partir de dados operacionais de um hemocentro público brasileiro, entre janeiro e março de 2026. Trata-se de um estudo observacional, retrospectivo, documental e analítico, com abordagem quantitativa, baseado em informativos institucionais de monitoramento dos estoques estratégicos de concentrados de hemácias (CH) e concentrados de plaquetas (CP). Os dados foram extraídos, estruturados em formato tabular (DataFrame) e analisados em ambiente Python utilizando a biblioteca pandas. A análise evidenciou heterogeneidade na criticidade dos estoques, com variações entre hemocomponentes e grupos sanguíneos. Os concentrados de hemácias predominaram nos estados ideal e de alerta, enquanto os concentrados de plaquetas apresentaram maior frequência dos estados crítico e de emergência, indicando maior instabilidade operacional. Os grupos sanguíneos B-, AB- e O+ apresentaram maior vulnerabilidade. Também foram observadas oscilações frequentes entre os níveis de criticidade, caracterizadas por períodos de agravamento seguidos de recuperação parcial dos estoques. Foram aplicados os algoritmos Random Forest e XGBoost para avaliação preditiva da criticidade dos estoques. Ambos apresentaram elevado desempenho, com superioridade do XGBoost, especialmente nas métricas de recall e F1-score, indicando maior sensibilidade na identificação de estados críticos e emergenciais. As métricas demonstraram consistência entre acurácia, precisão, recall e F1-score, reforçando a robustez dos modelos. A distribuição temporal revelou predominância do estado ideal, com oscilações entre alerta e crítico e ocorrência pontual de estados de emergência. Os resultados demonstram que a criticidade dos estoques é influenciada pela demanda assistencial, perecibilidade dos hemocomponentes e logística de distribuição. A maior estabilidade dos concentrados de hemácias, em contraste com a maior criticidade das plaquetas, evidencia a necessidade de estratégias específicas de monitoramento e reposição. A elevada capacidade preditiva dos modelos reforça o potencial da inteligência artificial para antecipação de cenários críticos e apoio à tomada de decisão. Conclui-se que a inteligência artificial apresenta elevado potencial para previsão da criticidade dos estoques hemoterápicos, permitindo antecipar riscos, otimizar recursos e fortalecer a segurança transfusional, consolidando-se como ferramenta estratégica para a gestão baseada em dados nos serviços de hemoterapia.
SN - 2531-1379
SN - 2531-1387
ER -