CFM lança sistema de IA para ampliar fiscalização médica e prevê aumento de 30% nas inspeções

O Conselho Federal de Medicina (CFM) lançou, na terça-feira (09/06/2026), um novo sistema de inteligência artificial (IA) voltado à fiscalização do exercício da medicina pelos Conselhos Regionais de Medicina (CRMs). A iniciativa integra a nova etapa da Plataforma Nacional de Fiscalização e tem como objetivo ampliar a capacidade de monitoramento, identificação e análise de situações que demandam atuação dos órgãos fiscalizadores.

A expectativa da entidade é que o novo módulo permita um aumento de 30% no volume de fiscalizações anuais nos próximos dois anos, fortalecendo a supervisão das atividades médicas em todo o território nacional. O sistema utilizará recursos tecnológicos para auxiliar a identificação de riscos, irregularidades e situações que possam comprometer a assistência à população.

Durante entrevista coletiva em Brasília, o presidente do CFM, José Hiran da Silva Gallo, afirmou que a tecnologia foi desenvolvida para oferecer suporte aos médicos fiscais, contribuindo para a tomada de decisões e para a agilidade na resolução de demandas relacionadas à fiscalização profissional.

Como funcionará a nova plataforma de fiscalização

Segundo o CFM, a ferramenta foi criada para atuar como instrumento de apoio às equipes de fiscalização, sem substituir a análise humana. O sistema será responsável por reunir, processar e cruzar grandes volumes de informações para indicar situações que mereçam investigação ou acompanhamento pelos órgãos competentes.

De acordo com José Hiran da Silva Gallo, a adoção da inteligência artificial busca fortalecer mecanismos de governança, reduzir processos burocráticos e ampliar a capacidade de resposta das instituições responsáveis pela fiscalização médica.

O terceiro vice-presidente do CFM e diretor responsável pelo Departamento de Inteligência Artificial da entidade, Jeancarlo Cavalcante, destacou que os avanços tecnológicos implementados nos últimos anos permitiram a migração dos dados para ambientes em nuvem e a consolidação de um sistema digital que amplia a transparência dos processos de fiscalização.

Integração de bancos de dados e monitoramento digital

A Plataforma Nacional de Fiscalização reúne informações provenientes do CFM, dos Conselhos Regionais de Medicina e de bases públicas relacionadas ao setor da saúde. Entre os dados utilizados estão históricos de fiscalizações, registros profissionais e informações do Cadastro Nacional de Médicos.

O sistema também utiliza informações do Cadastro Nacional de Estabelecimentos de Saúde (CNES), permitindo uma visão mais ampla sobre a estrutura e o funcionamento dos serviços de saúde fiscalizados pelos conselhos.

Além disso, o CFM informou que a plataforma será capaz de cruzar informações com bases da Receita Federal e realizar monitoramento de conteúdos publicados em redes sociais e outros ambientes digitais, sempre com validação posterior por profissionais responsáveis pela fiscalização.

Identificação de exercício ilegal da medicina

Entre as funcionalidades anunciadas está a capacidade de identificar possíveis situações relacionadas ao exercício ilegal da medicina, bem como denúncias envolvendo precariedade estrutural em hospitais e unidades de saúde.

Segundo Jeancarlo Cavalcante, o sistema poderá localizar conteúdos suspeitos publicados em ambientes digitais e encaminhá-los para análise humana, permitindo que os fiscais avaliem a necessidade de abertura de procedimentos ou inspeções específicas.

A proposta é ampliar a capacidade de identificação de riscos à população e fortalecer mecanismos de prevenção contra práticas irregulares que possam comprometer a segurança dos pacientes e o exercício regular da profissão médica.

Fiscalização baseada em dados e análise preditiva

O lançamento da versão 4.0 da Plataforma Nacional de Fiscalização marca uma mudança na metodologia utilizada pelo sistema de fiscalização médica. Tradicionalmente, grande parte das ações era iniciada a partir de denúncias apresentadas pela sociedade.

Com a nova tecnologia, o CFM pretende incorporar recursos de análise preditiva, utilizando dados para identificar tendências e potenciais situações de risco antes que elas resultem em danos concretos à população ou ao exercício profissional.

De acordo com a entidade, a utilização de inteligência artificial permitirá uma atuação mais preventiva, possibilitando o monitoramento em tempo real de situações consideradas relevantes para a fiscalização médica.

Proteção de dados e conformidade com a LGPD

O Conselho Federal de Medicina informou que todo o processamento das informações seguirá os critérios estabelecidos pela Lei Geral de Proteção de Dados (LGPD).

Segundo a autarquia, os mecanismos implementados na plataforma foram desenvolvidos para garantir a segurança, a privacidade e a proteção das informações utilizadas durante os processos de monitoramento e fiscalização.

A entidade também destacou que as análises produzidas pelo sistema de inteligência artificial estarão sujeitas à supervisão humana, mantendo a responsabilidade das decisões sob controle dos profissionais e órgãos competentes.

*Com informações da Agência Brasil.


Discover more from Jornal Grande Bahia (JGB)

Subscribe to get the latest posts sent to your email.



Uma resposta a “CFM lança sistema de IA para ampliar fiscalização médica e prevê aumento de 30% nas inspeções”


Deixe um comentário

Banner de Carlos Augusto, diretor do Jornal Grande Bahia.
O Jornal Grande Bahia completa 19 anos de atuação contínua no ambiente digital, consolidando-se como referência do jornalismo independente na Bahia. Fundado em 2007, o veículo construiu uma trajetória marcada por rigor editorial, pluralidade temática e compromisso com a informação pública, aliando tradição jornalística, inovação tecnológica e participação qualificada no debate democrático.
Banner da Jads Foto.
Banner de Lula Fotografia.
Banner da RFI.
Banner com tema Assine o JGB no Google.

Discover more from Jornal Grande Bahia (JGB)

Subscribe now to keep reading and get access to the full archive.

Continue reading