Uso do Aprendizado de Máquina para Avaliar a Aplicação de Recursos na Assistência de Internação Hospitalar

Resumo

O artigo aborda a utilização de aprendizado de máquina para otimizar a aplicação de recursos na Assistência de Internação Hospitalar no SUS, diante dos desafios de gestão impostos pela descentralização e transições demográficas. O objetivo principal é apresentar um método de aprendizagem de máquina que apoie os gestores na avaliação de divergências entre a predição e a aplicação de recursos na Assistência de Internação Hospitalar. Dados do Datasus (2022-2024) foram pré-processados e utilizados para treinar modelos de regressão, incluindo Decision Tree, Random Forest e MLP (Multi-Layer Perceptron), com foco na previsão de custos médios de internações por município. O MLP destacou-se com os menores erros (MAPE: 28,46% e MAE: 183,20). Os resultados indicam que o modelo pode apoiar decisões estratégicas, possibilitando análises locais e regionais para maior eficiência nos gastos públicos. Conclui-se que a abordagem contribui para priorizar alocações de recursos e sugere melhorias em políticas públicas baseadas em inteligência artificial.