No Fórum Saúde Digital 2026, realizado na AACD, o Google Cloud apresentou sua visão sobre a importância da inteligência artificial (IA) na estruturação de dados clínicos e na aceleração da interoperabilidade no setor de saúde. Priscila Cruzatti, Especialista em Inovação e Saúde Digital do Google Cloud para a América Latina, foi a porta-voz dessa abordagem, destacando que a interoperabilidade deve ser vista não como um objetivo final, mas como uma ferramenta fundamental para resolver desafios concretos das organizações de saúde.

Fragmentação dos dados clínicos: um obstáculo persistente

Segundo Priscila Cruzatti, a fragmentação dos dados é uma realidade tanto entre diferentes instituições quanto dentro dos próprios hospitais. Muitas vezes, cabe ao próprio paciente a tarefa de conectar informações entre atendimentos, levando exames e repetindo seu histórico a cada novo profissional. Essa situação revela que o problema da interoperabilidade não se restringe à troca de informações entre sistemas externos, mas também à integração interna dos dados dentro das instituições.

Essa fragmentação prejudica a eficiência dos processos clínicos e administrativos, além de dificultar a adoção de novas tecnologias. Um exame laboratorial, por exemplo, ganha significado ampliado quando pode ser comparado ao histórico completo do paciente, permitindo decisões mais embasadas e análises mais profundas.

Interoperabilidade como meio, não como fim

Durante o painel “Interoperabilidade como prioridade executiva para destravar escala e eficiência na saúde”, Priscila Cruzatti enfatizou que um dos principais equívocos das organizações é tratar a interoperabilidade como objetivo final. Segundo ela, a integração de dados deve ser encarada como um caminho para atingir metas mais amplas, como eficiência operacional, melhoria da experiência do paciente e implantação de serviços digitais inovadores.

A especialista defende que a discussão sobre interoperabilidade deve partir dos desafios estratégicos das instituições. Em vez de perguntar como implantar interoperabilidade, hospitais, operadoras e centros diagnósticos precisam identificar seus principais problemas e objetivos. Só então a integração de dados deve ser utilizada como instrumento para alcançar esses resultados.

Essa abordagem pragmática sugere que a tecnologia, por si só, não é suficiente para transformar a saúde. É necessário alinhar as iniciativas de integração de dados aos objetivos de negócio, garantindo que a interoperabilidade contribua efetivamente para a resolução de problemas reais.

Abordagem incremental: integrando por etapas

Outro ponto relevante trazido por Priscila Cruzatti foi a necessidade de evitar projetos de interoperabilidade excessivamente ambiciosos. Ela argumenta que não é necessário integrar todos os sistemas ou reunir todo o histórico clínico dos pacientes antes de começar a gerar valor. Uma abordagem incremental, seja por áreas assistenciais ou por períodos específicos da jornada do paciente, pode ser mais eficaz.

Por exemplo, a análise de dados dos últimos sete ou trinta dias já permite identificar padrões importantes, como casos de reinternação ou revisitas ao pronto-socorro. Essas informações podem ser utilizadas para melhorar a experiência do paciente e os resultados clínicos e financeiros das instituições, sem a necessidade de uma integração total e imediata de todos os dados.

Essa visão incremental reduz a complexidade dos projetos, permite ganhos rápidos e facilita o engajamento das equipes envolvidas. Além disso, possibilita ajustes contínuos com base nos resultados obtidos, tornando o processo de integração mais flexível e adaptável às necessidades da organização.

O papel da IA na estruturação dos dados clínicos

A inteligência artificial surge como aliada fundamental na transformação dos dados clínicos em informações úteis. Priscila Cruzatti destacou que, embora o setor de saúde seja um dos que mais produzem informações, ainda há grande dificuldade em transformar esse volume em conhecimento acionável.

Segundo a especialista, “não existe inteligência artificial sem dados, e sem dados bons, de qualidade, confiáveis e disponíveis”. Modelos de linguagem já estão sendo utilizados para estruturar informações clínicas originalmente não estruturadas, como textos livres e registros feitos durante o atendimento. Esses modelos especializados em saúde conseguem transformar dados dispersos em informações organizadas, prontas para aplicações clínicas e analíticas.

Essa capacidade de estruturar dados reduz a necessidade de impor fluxos rígidos de preenchimento aos profissionais de saúde, melhora a captura das informações e fortalece tanto a interoperabilidade quanto o desempenho das soluções de IA. Na prática, isso significa que a tecnologia pode se adaptar à realidade dos profissionais, em vez de exigir que eles se adaptem à tecnologia.

Desafios e oportunidades para instituições de saúde

A adoção de IA para estruturar dados clínicos e promover a interoperabilidade traz desafios importantes para as instituições. A qualidade dos dados é o principal fator de sucesso: sem dados confiáveis, as aplicações de IA perdem eficácia e podem até gerar riscos. Além disso, a integração de sistemas exige investimentos em infraestrutura digital, governança de dados e capacitação das equipes.

Por outro lado, as oportunidades são significativas. A interoperabilidade orientada por desafios estratégicos pode destravar ganhos de eficiência, melhorar a jornada do paciente e viabilizar novos modelos de atendimento digital. Instituições que adotam uma abordagem incremental conseguem colher resultados mais rápidos e reduzir o risco de projetos paralisados por excesso de complexidade.

No contexto brasileiro, onde a fragmentação dos dados e a diversidade de sistemas são desafios recorrentes, a experiência do Google Cloud aponta para a importância de alinhar tecnologia e estratégia. Projetos bem-sucedidos começam pela definição clara dos objetivos e utilizam a integração de dados como meio para alcançá-los.

Implicações para infraestrutura e conectividade empresarial

A crescente dependência de dados estruturados e aplicações baseadas em IA reforça a necessidade de infraestrutura digital robusta nas instituições de saúde. Para que a interoperabilidade e a inteligência artificial entreguem valor, é fundamental garantir conectividade estável, disponibilidade dos sistemas e segurança na troca de informações sensíveis.

Hospitais, clínicas e operadoras que atuam em regiões com desafios logísticos, como Manaus e o Polo Industrial, precisam considerar a redundância de acesso, a baixa latência e o suporte técnico local como elementos críticos para o sucesso dos projetos de integração de dados. A engenharia local e o acompanhamento próximo são diferenciais importantes para adaptar as soluções às realidades regionais e garantir a continuidade dos serviços de saúde, mesmo diante de eventuais instabilidades de rede.

Além disso, a adoção de práticas de governança e a contratação de serviços com SLA (Acordo de Nível de Serviço) garantido em contrato tornam-se essenciais para mitigar riscos e assegurar que os dados estejam sempre disponíveis para as aplicações de IA e para a tomada de decisão clínica.

Em um cenário onde a interoperabilidade deixa de ser apenas uma meta tecnológica e passa a ser um instrumento estratégico, a infraestrutura digital deixa de ser coadjuvante para se tornar protagonista na transformação do setor de saúde.

O avanço da IA na saúde, impulsionado por iniciativas como as do Google Cloud, evidencia que a integração de dados clínicos só gera resultados quando sustentada por conectividade confiável e alinhada aos desafios reais das instituições. Em regiões como Manaus, onde a infraestrutura pode ser um gargalo, o sucesso desses projetos depende de decisões técnicas bem fundamentadas e de parceiros que compreendam as especificidades locais.