Analisar criticamente a produção acadêmica recente sobre governança da inteligência artificial em saúde no Brasil, caracterizando o corpus, identificando convergências, divergências e lacunas, e propondo um ciclo institucional orientado à priorização pública, diligência prévia, validação local, monitoramento contínuo e prestação de contas.
A relevância do estudo reside em integrar dimensões éticas, regulatórias, técnicas e organizacionais da governança da inteligência artificial em saúde. Sua originalidade está na proposição de um ciclo institucional de cinco movimentos, fundamentado na literatura brasileira e articulado a referenciais internacionais consolidados.
O estudo adota abordagem qualitativa e revisão sistematizada da literatura, com buscas realizadas na BDTD, no Portal de Periódicos CAPES e na SciELO. Os registros foram submetidos à triagem, caracterização, leitura integral e análise temática de convergências, tensões, lacunas e implicações institucionais.
Os resultados evidenciam convergência quanto à necessidade de proteção de dados, supervisão humana, explicabilidade, responsabilização e validação contextual. Também revelam tensões entre inovação e precaução, transparência e privacidade, padronização e adaptação local, fundamentando um ciclo institucional contínuo de governança responsável em saúde.
Teoricamente, o estudo articula governança, ética, regulação, capacidade institucional e equidade, superando abordagens fragmentadas. Metodologicamente, distingue o corpus descritivo do núcleo analítico, explicita critérios de seleção e organiza convergências, tensões e lacunas, oferecendo estrutura replicável para futuras revisões e pesquisas empíricas nacionais.
O estudo oferece aos gestores de saúde um ciclo prático para orientar decisões sobre adoção, validação e monitoramento de sistemas de inteligência artificial. Socialmente, favorece transparência, responsabilização, segurança, participação e equidade, contribuindo para prevenir danos, reduzir desigualdades e fortalecer a confiança pública.
Critically analyze recent academic production on artificial intelligence governance in Brazilian healthcare, characterize the corpus, identify convergences, divergences, and gaps, and propose an institutional cycle structured around public prioritization, due diligence, local validation, continuous monitoring, and accountability throughout the technology life cycle.
The study’s relevance lies in integrating ethical, regulatory, technical, and organizational dimensions of artificial intelligence governance in healthcare. Its originality consists of proposing a five-stage institutional cycle grounded in Brazilian literature and connected with established international frameworks for responsible organizational decision making.
The study adopts a qualitative approach and a systematized literature review, with searches conducted in BDTD, the CAPES Journal Portal, and SciELO. Records underwent screening, characterization, full-text reading, and thematic analysis of convergences, tensions, gaps, and institutional implications for healthcare AI governance.
The results reveal convergence regarding the need for data protection, human oversight, explainability, accountability, and contextual validation. They also expose tensions between innovation and precaution, transparency and privacy, standardization and local adaptation, supporting a continuous institutional cycle for responsible artificial intelligence governance.
Theoretically, the study integrates governance, ethics, regulation, institutional capacity, and equity, overcoming fragmented approaches. Methodologically, it distinguishes the descriptive corpus from the analytical core, specifies selection criteria, and organizes convergences, tensions, and gaps, providing replicable structure for future reviews and empirical research.
The study offers healthcare managers a practical cycle to guide decisions on the adoption, validation, and monitoring of artificial intelligence systems. Socially, it promotes transparency, accountability, safety, participation, and equity, helping prevent harm, reduce inequalities, and strengthen public trust in healthcare institutions.