Orçamento inteligente no SUS: Um novo modelo baseado em inteligência artificial para classificação e previsão de gastos hospitalares – Este estudo aborda os desafios de gestão orçamentária no Sistema Único de Saúde (SUS), particularmente na previsão e classificação de gastos municipais com internações hospitalares, que impactam a eficiência e equidade do financiamento público em saúde. Propõe-se um modelo de orçamento inteligente baseado em aprendizado de máquina, utilizando dados do Datasus (2022-2024) para treinar algoritmos como Naïve Bayes, Random Forest e Multi-Layer Per-ceptron (MLP). Os resultados demonstraram que o Naïve Bayes alcançou desempenho superior na classificação dos gastos, com índice Kappa de 0,933 e área sob a curva ROC de 0,992, enquanto o MLP apresentou maior precisão na previsão de custos hospitalares, reduzindo significativamente os erros médios absolutos e percentuais. Conclui-se que o uso de modelos preditivos e classificatórios baseados em inteligência artificial otimiza a alocação de recursos, promovendo transparência, eficiência e sustentabilidade no financiamento da saúde pública e reforçando o papel estratégico do Estado na garantia de serviços universais e equitativos. A principal contribuição deste trabalho é a proposição de um sistema inovador de orçamento inteligente, que se contrapõe a narrativas neoliberais de redução do Estado, ao demonstrar como tecnologias avançadas podem fortalecer a administração pública.
Palavras-chave: Orçamento inteligente. Aprendizado de máquina. SUS. Previsão de gastos hospitalares. Inteligência artificial.
+ Princípios 173: Inteligência artificial e novas tecnologias disruptivas – Parte I
+ Princípios 174: Inteligência artificial e novas tecnologias disruptivas – Parte II
+ Revista Princípios se consolida como Qualis A3 na Capes
1. Introdução
O Sistema Único de Saúde (SUS), regulamentado pela Lei Orgânica da Saúde (lei nº 8.080/1990), enfrenta desafios decorrentes de sua gestão descentralizada e de mudanças demográficas e epidemiológicas. A Constituição Federal de 1988 define a saúde como “direito de todos e dever do Estado” (Brasil, 1988), exigindo uma gestão eficiente dos recursos públicos para garantir sua sustentabilidade, especialmente na Assistência de Internação Hospitalar (AIH). O financiamento do SUS exige planejamento estratégico, considerando a autonomia estadual e municipal na administração da saúde. Essa descentralização impõe desafios aos gestores, como a expansão de serviços e a organização da rede assistencial (Santos et al., 2020).
A análise de grandes volumes de dados assistenciais permite projetar o financiamento dos gastos e estruturar orçamentos inteligentes. Muitos desses dados estão dispostos no Tabnet, que é uma ferramenta desenvolvida pelo Departamento de Informática do SUS (Datasus), a qual permite aos usuários (profissionais de saúde, pesquisadores, gestores etc.) acessar, tabular e analisar bancos de dados online sobre mortalidade, nascimentos, doenças, assistência à saúde e gastos nesse setor. O Datasus (2019) “disponibiliza informações que podem subsidiar análises objetivas da situação sanitária, tomadas de decisão baseadas em evidências e elaboração de programas de ações de saúde”. Além disso, a adoção de soluções inovadoras fortalece o SUS, aprimora a gestão pública e amplia o acesso a serviços gratuitos, promovendo transparência e eficiência.
+ A natureza ontológica da inteligência artificial segundo uma perspectiva educacional
+ Representações de inteligência artificial: o tecnocentrismo em questão
+ Desafios do plano nacional de inteligência artificial na perspectiva da teoria do valor-trabalho
Assim, este estudo tem como objetivo definir um modelo de orçamento público inteligente baseado em aprendizado de máquina para prever e classificar gastos municipais com AIH. Tem-se como estratégia para atingir a essa finalidade: i) coletar e pré-processar dados históricos de AIH dos municípios brasileiros por via do Tabnet-Datasus (2022-2024); ii) treinar e avaliar algoritmos de aprendizado de máquina para prever e categorizar gastos; iii) definir um modelo de orçamento inteligente agregando conceitos de orçamento público e considerando os resultados das previsões de gastos.
+ IA generativa, valor de uso e concorrência em mercados oligopolizados
+ Notas sobre plataformas digitais, economia de dados e inteligência artificial
Ao aprimorar o orçamento no SUS, é possível beneficiar diretamente a maioria da população, com a aplicação de recursos que revertem em serviço público gratuito e de qualidade. Albuquerque et al. (2017) analisaram a relação entre desenvolvimento socioeconômico e infraestrutura de saúde, classificando 438 regiões de saúde brasileiras em 5 grupos1. Em 2016, as áreas menos desenvolvidas (grupo 1) tinham 92% dos médicos e 88,8% dos leitos hospitalares vinculados ao SUS, atendendo 45,9 milhões de brasileiros. Apenas 5,4% da população dessas regiões possuía plano de saúde, contrastando com 58,1% no grupo 5, de maior desenvolvimento, predominante no Sul e Sudeste. Ao interpretar esses e muitos outros dados, busca-se identificar características e padrões de saúde, economia e sociedade. É nesse contexto que o aprendizado de máquina surge como apoio estratégico à formulação de políticas públicas mais efetivas.
Serviço
Revista: Princípios (Qualis A3)
ISSN: 1415-7888 | E-ISSN: 2675-6609
Editora: Anita Garibaldi
Número: 174
Para ler a edição completa online: Clique aqui
Adquira a versão impressa: Clique aqui
Autores
Anderson do Nascimento Oliveira, Universidade Federal de Pernambuco – UFPE.
Doutorando em Engenharia da Computação pela Universidade de Pernambuco (UPE). Mestre em Ciências Contábeis pela Universidade Federal de Pernambuco (UFPE). Servidor técnico-administrativo e pesquisador do Departamento de Engenharia Biomédica da UFPE.
Maksandro José de Souza, a Universidade Federal de Pernambuco – UFPE.
Doutorando em Engenharia da Computação pela UPE. Mestre em Economia pela Universidade Federal de Sergipe (UFS). Gerente da URB Recife.
Ronald dos Santos Oliveira, Universidade Federal de Pernambuco – UFPE.
Doutor em Sociologia pela UFPE. Pesquisador do Departamento de Engenharia Biomédica da UFPE.
José Barbosa de Araújo Neto, Universidade Federal de Pernambuco – UFPE.
Mestrando em Engenharia Biomédica pela UFPE. Bacharel em Análise e Desenvolvimento de Sistemas pela Uninassau.
Thiago Vasconcellos Modenesi, Universidade Federal de Pernambuco – UFPE.
Doutor em Educação pela UFPE. Professor do Departamento de Ciências Farmacêuticas da UFPE.
Wellington Pinheiro dos Santos, Universidade Federal de Pernambuco – UFPE.
Doutor em Engenharia Elétrica pela Universidade Federal de Campina Grande (UFCG). Professor associado do Departamento de Engenharia Biomédica da UFPE. Bolsista de Produtividade de Desenvolvimento Tecnológico e Extensão Inovadora do CNPq, nível 2.
1 As regiões de saúde brasileira, categorização adotada por Albuquerque et al. (2017), correspondem a recortes territoriais do SUS para fins de planejamento e gestão, agregando municípios segundo características socioeconômicas e de oferta de serviços. Eles analisaram 438 regiões com base em dados secundários do IBGE, Datasus e ANS, classificando-as em 5 grupos por meio de análise fatorial e de clusters, de acordo com os seguintes eixos: i) desenvolvimento socioeconômico (renda, PIB, escolaridade e densidade populacional); ii) infraestrutura e complexidade da atenção à saúde (número de leitos, médicos e internações de alta complexidade, grau de cobertura).