A IA está transformando a telerradiologia: Conheça o projeto “Sistema Inteligente de Escalas e Alocação de Exames (SIE)”

A transformação digital no setor de saúde tem avançado rapidamente, impulsionada pela necessidade de eficiência, precisão e escalabilidade. No campo da telerradiologia, essa evolução é ainda mais evidente: volumes crescentes de exames, prazos rigorosos e equipes distribuídas exigem soluções capazes de operar com inteligência e autonomia.

É nesse contexto que surgiu o Sistema Inteligente de Definição de Escala de Médicos e Alocação de Exames (SIE), um projeto desenvolvido por meio de uma parceria com a VX Medical Innovation, por meio da Unidade Embrapii do Departamento de Ciência da Computação da UFMG (DCC), com execução conduzida pelo FutureLab (laboratório especializado em inovação para transformação digital).

Confira neste artigo como o SIE foi concebido, seus diferenciais e o impacto que ele promete trazer para a operação da telerradiologia no Brasil.

O desafio: complexidade crescente na operação da telerradiologia

A VX Medical Innovation, referência em laudos radiológicos à distância desde 2016, vive hoje um período de expansão. A empresa atende hospitais e clínicas de todo o país, oferecendo diagnósticos com rapidez e alta qualidade, uma operação que depende de:

  • Múltiplas especialidades médicas;
  • Demanda variável de exames;
  • Casos urgentes com prazos de até duas horas;
  • Médicos atuando online e off-line;
  • Pacotes de exames que chegam em blocos;
  • Necessidade de acompanhar e redistribuir tarefas em caso de atrasos.

À medida que a operação cresceu, tornou-se claro que o modelo manual de definição de escalas e alocação de exames não seria sustentável no longo prazo. Era hora de evoluir.

A parceria: inovação aberta aplicada à saúde

Para enfrentar esse desafio, a VX firmou uma colaboração com a Unidade Embrapii do DCC/UFMG, com expertise em otimização, inteligência artificial e sistemas ciberfísicos. O projeto é coordenado pelo Prof. Martín Gómez Ravetti, com suporte do FutureLab.

A aproximação entre universidade e setor produtivo viabilizou uma abordagem sólida, científica e escalável para solucionar problemas reais da operação.

A solução: o Sistema Inteligente de Escalas e Alocação de Exames (SIE)

O SIE foi projetado para automatizar e otimizar dois processos centrais:

  • A definição da escala diária de médicos, considerando especialidades, limites contratuais e perfil do dia;
  • A alocação de exames aos profissionais, levando em conta urgência, data de entrega, tipo de exame e disponibilidade da equipe.

Para isso, o projeto combinou:

  • Modelagem matemática dos problemas de escala e programação da produção;
  • Algoritmos heurísticos e de inteligência artificial para otimização;
  • Simulações contínuas em ambiente controlado;
  • Validação com dados reais fornecidos pela VX.

O resultado é um protótipo robusto (TRL 6), capaz de operar em ambiente relevante e integrado ao sistema da empresa.

O que torna o SIE inovador?

Embora sistemas de alocação de tarefas já existam, o contexto da telerradiologia apresenta complexidades únicas. O SIE foi projetado para lidar com fatores como:

  • Profissionais offline, cujo progresso não pode ser monitorado em tempo real;
  • Alta variabilidade de demanda, incluindo pacotes de exames enviados simultaneamente;
  • Urgências que exigem realocação imediata;
  • Cenários com múltiplas especialidades e regras contratuais distintas;
  • Dinâmica imprevisível dos atendimentos.

Modelar e automatizar esse ambiente exige soluções de IA e otimização em níveis avançados. O SIE incorpora esse diferencial.

Como o projeto foi conduzido

O desenvolvimento, com duração de 12 meses, foi estruturado em etapas que garantiram rigor técnico e validação contínua:

  • Levantamento detalhado da operação atual (“as is”);
  • Estudos e revisão de literatura especializada;
  • Definição do ambiente de testes e criação de base de dados;
  • Construção dos modelos matemáticos;
  • Implementação de algoritmos e protótipos;
  • Workshops de acompanhamento com a equipe da VX;
  • Testes em ambiente relevante;
  • Roadmap para evolução futura.

Essa abordagem colaborativa assegurou que o SIE fosse não apenas tecnicamente eficiente, mas também aderente às reais necessidades da VX.

Resultados e impactos esperados

A implementação do SIE permitirá que a VX:

  1. Automatize processos críticos

Menos tempo gasto em planilhas e monitoramento manual, mais foco estratégico.

  1. Aumente sua capacidade produtiva

Com escalas e alocações mais eficientes, a empresa poderá atender novos clientes com segurança.

  1. Reduza atrasos e reprocessamentos

Com redistribuição inteligente e monitoramento contínuo.

  1. Tenha previsibilidade operacional

Modelos baseados em IA permitem antecipar cenários e necessidades.

  1. Estruture novas frentes de inovação

O projeto abre portas para pesquisas futuras em aprendizado de máquina, detecção de anomalias, previsão de demanda e otimização integrada da operação.

Quando a tecnologia amplia o acesso à saúde

O Sistema Inteligente de Escalas e Alocação de Exames (SIE) representa um avanço significativo para o setor de telerradiologia e para a operação da VX Medical Innovation. Ele demonstra como a inovação aberta — unindo academia e indústria — é capaz de gerar soluções concretas, escaláveis e de impacto direto na vida das pessoas.

Ao automatizar processos complexos e permitir uma operação mais eficiente, o SIE contribui para um serviço de diagnóstico mais ágil, mais confiável e mais acessível.

Um passo importante para o futuro da saúde digital no Brasil.

Facebook
Twitter
LinkedIn

Patrícia Accacio

Possui formação em Consultoria e Facilitação Integral pela Chié Integrantes – Meta Integral (2022); Possui Especialização em Gerenciamento de Projetos pela Pontifícia Católica de Minas Gerais (PUC/MG) (2012); Possui Especialização em Gestão Estratégica de Finanças Empresariais pelo Centro Universitário de Belo Horizonte (UNI/BH) (2007); Possui graduação em Turismo pelo Centro Universitário de Belo Horizonte (2005); Discente em Disciplinas Isoladas do Mestrado em Inovação Tecnológica da Universidade Federal de Minas Gerais (2019, 2023). Mais de 20 anos de experiência em Gerenciamento de Projetos e Equipes. Atualmente é colaboradora da Universidade Federal de Minas Gerais, com interesses pelas linhas de pesquisas de gestão integral, cultura organizacional, impactos na mudança de gestão e facilitação de grupos.

 

Contato:  patricia.accacio@dcc.ufmg.br

Heitor Soares Ramos Filho

Heitor Ramos é Professor Associado de Ciência da Computação na Universidade Federal de Minas Gerais (UFMG), Brasil, com mais de uma década de experiência no ensino, pesquisa e coordenação de projetos de P&D. Sua expertise abrange Aprendizado Federado, Análise de Dados para Internet das Coisas (IoT), Redes de Sensores, Redes Sociais e aplicações de Computação Urbana.

O professor Ramos é editor acadêmico da revista científica PLOS ONE e membro sênior do IEEE, além de ser bolsista de produtividade do CNPq, nível 2, desde 2016. Ao longo de sua carreira, foi reconhecido por suas contribuições acadêmicas, incluindo o prêmio de “Best Paper” da conferência ACM SenSys em 2012 e sua participação como PhD Fellow da Microsoft Research em 2010.

Ele é um membro ativo da comunidade científica, com mais de 100 artigos científicos publicados em conferências e periódicos de alto impacto, além de uma patente registrada no USPTO. Como orientador, supervisionou mais de 18 alunos de pós-graduação e 16 projetos de graduação, contribuindo significativamente para a formação de pesquisadores e profissionais da área.

Além de suas atividades acadêmicas, o professor Ramos dedica-se à aplicação prática da ciência da computação para resolver desafios contemporâneos em IoT, Aprendizado de máquina e computação urbana.

Contato ramosh@dcc.ufmg.br

Frederico Gadelha Guimarães

Professor Associado do Departamento de Ciência da Computação da UFMG. Possui graduação (2003), mestrado (2004) e doutorado (2008) em Engenharia Elétrica pela Universidade Federal de Minas Gerais (UFMG), com período de doutorado sanduíche na McGill University, Montreal, Canadá (2007), e pós-doutorado (2018) no Laboratoire Images, Signaux et Systèmes Intelligents (LiSSi), vinculado à Université Paris-Est Créteil (UPEC), Paris, França. Foi professor do Instituto Federal Minas Gerais campus Ouro Preto (IFMG-OP) (2007 a 2008). Foi professor adjunto do Departamento de Computação da Universidade Federal de Ouro Preto (UFOP) (2008 a 2010) e coordenador do Programa de Pós-graduação em Ciência da Computação da mesma instituição. Foi professor associado do Departamento de Engenharia Elétrica da UFMG (2010 a 2023) e fundador do Laboratório Machine Intelligence and Data Science (MINDS) (http://minds.eng.ufmg.br/) de pesquisa em inteligência computacional e ciência de dados. Foi Coordenador Didático do Curso de Graduação em Engenharia de Sistemas (2012 a 2014). Foi Coordenador do Programa de Pós-Graduação em Engenharia Elétrica (PPGEE) da UFMG (2021 a 2024). É Pesquisador associado do Centro de Inovação em Inteligência Artificial para a Saúde (CIIA-Saúde) da UFMG. Atualmente é Bolsista de Produtividade em Pesquisa do CNPq nível 1D (desde 2017). Foi Bolsista de Produtividade em Pesquisa do CNPq nível 2 (2011 a 2017). É Editor Associado das revistas Learning Nonlinear Models, Neurocomputing (Elsevier), Engineering Applications of Artificial Intelligence (Elsevier), Evolving Systems (Springer) e IEEE Access. Foi membro do conselho superior da Sociedade Brasileira de Inteligência Computacional (SBIC) no período (2009 a 2013), membro da diretoria da SBIC no período (2013 a 2015), membro do International Council on Systems Engineering (INCOSE) e membro fundador do INCOSE Brasil. Atualmente é membro do Conselho superior da SBIC (2021 a 2025). Possui mais de 200 trabalhos publicados entre periódicos, congressos e capítulos de livros nacionais e internacionais. Já orientou e coorientou 27 teses de doutorado e 38 dissertações de mestrado. Tem experiência na área de Engenharia Elétrica e Engenharia de Computação, com ênfase em Otimização, Inteligência Artificial, Aprendizado de Máquina, Algoritmos Genéticos, Séries Temporais. Senior Member da IEEE Computational Intelligence Society (CIS), IEEE Systems Council e IEEE Systems, Man, and Cybernetics Society (SMCS).

Contato fredericoguimaraes@ufmg.br

Marcelo Azevedo Costa

Professor Titular no Departamento de Engenharia de Produção da UFMG e membro do Programa de Pós-graduação em Engenharia de Produção (linha Modelagem Estocástica e Simulação) da mesma instituição. Possui graduação em Engenharia Elétrica pela Universidade Federal de Minas Gerais (1999), doutorado em Engenharia Elétrica pela Universidade Federal de Minas Gerais (2002) na área de Inteligência Computacional, pós-doutorado pela Harvard Medical School Harvard Pilgrim Health Care (2007) na área de Estatística Espacial e Vigilância Epidemiológica e pós-doutorado pela Linköping University (2018/Suécia) na área de Análise Estatística, Diagnóstico e Detecção de Faltas em Ambientes Industriais. Atualmente é o coordenador do Centro Institucional de Tecnologia e Inovação Modelagem Ambiental (CT-Modelagem) e do Centro de Sensoriamento Remoto (CSR), ambos vinculados à UFMG. É membro da coordenação técnica da Linha VI: Conectividade veicular do programa Mover (Mobilidade Verde e Inovação), uma iniciativa do Governo Federal com o propósito de impulsionar a modernização e a sustentabilidade nas áreas da mobilidade e logística no Brasil. É também pesquisador vinculado ao Future Lab – Laboratório de Transformação Digital do Departamento de Ciência da Computação (DCC/UFMG). Possui publicações em importantes revistas internacionais como Socio-Economic Planning Sciences, IEEE Transactions on Power Delivery, IEEE Transactions on Neural Networks and Learning Systems, Statistical Methods in Medical Research, PLOS One, Scientific Reports, Energy Economics, dentre outras. É autor do livro: Tópicos em Ciência dos Dados – Introdução dos Modelos Paramétricos e suas aplicações utilizando o R. É revisor de periódicos internacionais e nacionais, além de possuir capítulos de livros publicados em língua inglesa. Coordenou e participou em projetos de pesquisa, desenvolvimento e inovação (PDI) vinculados à CEMIG e atua como pesquisador sênior em projetos de PDI. Orienta alunos de graduação, especialização, mestrado e doutorado nos temas: estatística aplicada, modelos estatísticos aplicados ao setor elétrico, análise de redes, estatística espacial, análise de séries temporais, teoria e aplicações de redes neurais artificiais. Segundo revista Decision Analytics (2022) é um dos 15 pesquisadores internacionais mais produtivos na área de incentive regulation, e um dos 35 pesquisadores brasileiros mais influentes na área de Engenharia Industrial, Tecnologia e Manufatura (AD Scientific Index 2024)

Contato macosta@ufmg.br

Antonio Alfredo Ferreira Loureiro

Possui graduação em Ciência da Computação pela Universidade Federal de Minas Gerais (1983), mestrado em Ciência da Computação pela Universidade Federal de Minas Gerais (1987) e doutorado em Ciência da Computação pela University of British Columbia, Canadá (1995). Atualmente é Professor Titular do Departamento de Ciência da Computação da Universidade Federal de Minas Gerais. Tem experiência na área de Ciência da Computação, com ênfase em sistemas distribuídos, atuando principalmente nos seguintes temas: algoritmos distribuídos, computação móvel/ubíqua, comunicação sem fio, gerenciamento de redes, redes de computadores, redes de sensores sem fio.

Contato loureiro@dcc.ufmg.br

Martín Gómez Ravetti

É pesquisador e atualmente professor associado no Departamento de Ciência da Computação da UFMG. Interesses atuais de pesquisa incluem, sistemas complexos, redes complexas, otimização de processos industriais e cultura organizacional. Possui graduação em Engenharia Industrial pela Universidad Nacional de Rosario (Argentina) e mestrado e doutorado em Ciência da Computação pela Universidade Federal de Minas Gerais (UFMG) com período na University of Florida (USA). Durante o periodo 2007-2010 foi research academic na University of Newcastle (Australia) e realizou estudos pós-doutorais na Universitat de Barcelona e na Universitat Pompeu Fabra (Espanha). Foi diretor da Fundação de Desenvolvimento da Pesquisa da UFMG (2018-2022). Publicou 40 artigos em periódicos internacionais, orientou 6 alunos de doutorado e 10 de mestrado, atualmente é bolsista de produtividade no CNPq 1B.

Contato martin@dcc.ufmg.br

WordPress Appliance - Powered by TurnKey Linux