Codificação CID-10 com IA: como funciona

A codificação CID-10 com IA usa modelos de linguagem para ler a documentação clínica, identificar diagnósticos e sugerir códigos candidatos junto do trecho do prontuário que os sustenta. O codificador valida cada sugestão contra o prontuário, as regras de codificação e as da operadora ou do SUS. Acelera o trabalho e melhora a consistência, mas não substitui o codificador.

Atualização editorial: 10 de outubro de 2026. Publicado pela Arkangel AI, empresa que desenvolve software de IA para a saúde. Conteúdo informativo; confirme sempre a versão da classificação e as normas vigentes.

O que é a CID-10?

A Classificação Estatística Internacional de Doenças e Problemas Relacionados à Saúde, 10ª revisão (CID-10), é o padrão da Organização Mundial da Saúde para registrar diagnósticos e causas de morte. No Brasil, a versão em português é disponibilizada pelo DATASUS e usada no SUS e na saúde suplementar. Os códigos combinam uma letra e dois dígitos para a categoria (E11, diabetes mellitus não insulinodependente) e um decimal para a subcategoria (E11.2, com complicações renais).

Três esclarecimentos evitam erros frequentes:

• CID-10 não é ICD-10-CM. Os Estados Unidos usam uma modificação clínica própria, com códigos de até sete caracteres. Uma ferramenta treinada na versão americana pode sugerir códigos que não existem na CID-10 usada no Brasil.
• A CID-11 está em vigor na OMS desde 2022, e cada país faz a transição em ritmo próprio.
• No Brasil, o uso da CID-11 nos sistemas de vigilância em saúde foi adiado para janeiro de 2027, com implantação gradual (Rev Panam Salud Publica, 2025). Até lá, a CID-10 continua sendo o padrão em prontuários, faturamento e notificações; acompanhe o cronograma do Ministério da Saúde.

Como funciona a codificação CID-10 com IA?

Um fluxo bem desenhado tem seis etapas:

1. Entrada. A ferramenta recebe evoluções, sumários de alta, descrições cirúrgicas ou laudos, em PDF, texto ou dados estruturados.
2. Extração clínica. Um modelo de linguagem identifica diagnósticos, procedimentos e achados, e distingue negações ("afastada pneumonia"), antecedentes ("história de IAM") e suspeitas.
3. Busca na tabela oficial. Em vez de "lembrar" códigos, o sistema busca candidatos na tabela oficial da versão configurada. Isso evita sugerir códigos inexistentes.
4. Aplicação de regras. Definem-se especificidade, diagnóstico principal e combinações conforme as regras de codificação e, quando for o caso, da operadora.
5. Evidência por código. Cada sugestão vem com o trecho exato do prontuário que a sustenta.
6. Validação humana. O codificador aceita, corrige ou rejeita; essas decisões ajudam a melhorar o sistema.

Exemplo

Nota: "Paciente com DM2 há 12 anos, com nefropatia diabética documentada por albuminúria persistente. Nega tabagismo."

• Uma revisão apressada poderia codificar E11.9 (sem complicações).
• A IA destaca "nefropatia diabética documentada por albuminúria persistente" e sugere E11.2 (com complicações renais), citando o trecho.
• "Nega tabagismo" não gera nenhum código.
• O codificador confirma o código com o prontuário completo e as regras aplicáveis.

Por que não basta perguntar a um chatbot genérico?

Porque modelos genéricos não foram feitos para codificar. Em um estudo publicado no NEJM AI, os grandes modelos de linguagem avaliados acertaram o código exato em uma minoria dos casos; o melhor, o GPT-4, acertou cerca de um terço dos códigos ICD-10-CM a partir da descrição (Soroush et al., 2024). Os erros incluíram códigos inexistentes.

Sistemas especializados combinam o modelo com busca na tabela oficial, regras e memória de casos validados. Em um preprint da Arkangel AI em revisão no JMIR, uma arquitetura de aprendizado recursivo elevou o F1 da codificação clínica sem exemplos prévios de 0,318 para 0,605 após 20 iterações (JMIR Preprints). É um preprint ainda não revisado por pares, conduzido pela equipe da Arkangel AI.

Benefícios da codificação com IA

• Cobertura: revisa todos os prontuários, não uma amostra.
• Especificidade: detecta complicações, lateralidade ou gravidade documentadas que passam despercebidas.
• Consistência: reduz a variação entre codificadores.
• Rastreabilidade: cada código fica ligado à sua evidência, o que ajuda em auditorias e na prevenção de glosas hospitalares.
• Lacunas de documentação: aponta condições sugeridas pelos dados, mas não documentadas, para consulta ao médico assistente.

Na saúde suplementar, a mesma rastreabilidade ajuda a responder questionamentos da operadora: em vez de reabrir o prontuário inteiro, o auditor vê o código, o trecho que o sustenta e quem o validou.

Riscos e limites

• Códigos inexistentes ou de outra versão se o sistema não consultar a tabela oficial.
• Erros de negação e temporalidade, como codificar um diagnóstico afastado.
• Supercodificação: sugerir códigos que a documentação não sustenta é risco de conformidade. Se não está documentado, não se codifica.
• Qualidade do prontuário: a IA não extrai o que o médico não escreveu.
• Privacidade: use apenas ferramentas contratadas para tratar dados de saúde, conforme a LGPD.

Como avaliar uma ferramenta de codificação CID-10 com IA

1. Teste com uma amostra local de prontuários da sua instituição (com as autorizações necessárias), não só com exemplos do fornecedor.
2. Meça por código e por atendimento: precisão, sensibilidade e F1, além da proporção de sugestões aceitas sem alteração.
3. Confira a versão: CID-10 do DATASUS, adaptação da operadora ou CID-11.
4. Exija evidência por código e registro das correções.
5. Meça o tempo por prontuário antes e depois, com a mesma equipe.

Onde a Arkangel AI se encaixa

A Arkangel AI identifica diagnósticos CID-10 candidatos e possíveis oportunidades não documentadas, cada um ligado ao trecho exato do prontuário, para que o codificador valide contra o registro e as regras da operadora. Na página de IA para codificadores você pode testar uma demonstração que gera um PDF anotado; use documentos sintéticos ou anonimizados. Para organizações, a plataforma tem certificação ISO 27001:2022 (Trust Center). Leia também o guia de IA na medicina e na saúde.

Perguntas frequentes

A IA ajuda na codificação CID-10?

Sim. A IA lê a documentação clínica e sugere códigos CID-10 candidatos com o trecho que os sustenta. Funciona melhor quando busca na tabela oficial e aplica regras de codificação. O codificador valida cada sugestão contra o prontuário e as regras da operadora ou do SUS antes do faturamento.

A IA vai substituir os codificadores?

Não. A IA acelera a leitura e propõe códigos, mas o codificador resolve ambiguidades, aplica regras e normas, consulta o médico quando falta documentação e responde pelo resultado. O papel muda: menos busca manual na tabela e mais validação, controle de qualidade e melhoria da documentação clínica.

Quando a CID-11 entra em vigor no Brasil?

O uso da CID-11 nos sistemas de vigilância em saúde foi adiado para janeiro de 2027, com implantação gradual para preservar as séries históricas. Até lá, a CID-10 continua sendo usada em prontuários, faturamento e notificações. Acompanhe as notas técnicas do Ministério da Saúde para cada sistema.

É seguro usar IA para codificar prontuários?

Pode ser, se a ferramenta estiver contratada para tratar dados de saúde, tiver controles de segurança certificados, consultar a tabela oficial e deixar o codificador validar cada código com sua evidência. Não cole prontuários identificáveis em chatbots genéricos nem use sugestões sem revisar a documentação.

Fontes

• OMS. Classificação Internacional de Doenças.
• DATASUS. CID-10.
• Panorama da implementação da CID-11 no Brasil. Rev Panam Salud Publica 2025.
• Soroush A et al. Large Language Models Are Poor Medical Coders. NEJM AI 2024.
• Castaño-Villegas N et al. A Recursive Learning Architecture for Zero-Shot Automated Clinical Coding. JMIR Preprints 2026 (preprint; autores da equipe Arkangel AI).