Depoimentos
O que as organizações de saúde dizem sobre trabalhar com a Pitanga AI
Relatos diretos de gestores, médicos e equipes de TI que participaram dos nossos projetos — com o que funcionou bem e o que poderíamos ter feito diferente.
← Voltar ao inícioRelatos
O que nossos clientes compartilham
Mariana Rezende
Diretora médica — Clínica de Endocrinologia, Campinas-SP
Fizemos o projeto de predição de não comparecimento a consultas e os resultados foram concretos: conseguimos reorganizar nossa lista de espera com base nas probabilidades de falta, o que reduziu os horários ociosos de forma perceptível. A fase de calibração foi importante — o modelo genérico não funcionaria bem para o perfil dos nossos pacientes.
Abril de 2025
Lucas Fernandes
Coordenador de TI — Rede de Clínicas, São Paulo-SP
A integração com nosso prontuário levou um pouco mais de tempo do que o previsto inicialmente — o sistema tinha algumas particularidades que precisaram de ajuste. Mas a equipe da Pitanga foi transparente sobre os problemas à medida que apareciam e não empurrou para baixo do tapete. O resultado final funcionou bem e a documentação entregue vai ajudar muito nas renovações de acreditação.
Março de 2025
Ana Claudia Pinto
Gestora de operações — Hospital Regional, Ribeirão Preto-SP
O que mais me surpreendeu foi a fase de descoberta. Eles passaram tempo real conversando com nossos enfermeiros e médicos para entender como as decisões eram tomadas na prática — não só com a TI. O modelo de apoio à decisão clínica ficou muito mais útil por causa disso. A equipe consegue ver as recomendações em contexto, não como uma caixa-preta.
Abril de 2025
Roberto Saraiva
Médico infectologista — Clínica particular, São Paulo-SP
Fui cético no início — já tinha visto projetos de "IA na saúde" que não passavam de dashboards bonitos sem aplicação real. A Pitanga AI foi diferente porque propôs um escopo pequeno e validado antes de qualquer coisa maior. O projeto de análise preditiva para uma única condição específica me convenceu. Estamos expandindo para outros casos de uso agora.
Março de 2025
Patrícia Oliveira
Superintendente assistencial — UPA, Grande São Paulo-SP
Trabalhamos com eles no projeto de otimização de escalas de enfermagem. Os dados que tínhamos eram incompletos — eles foram honestos sobre o que era possível fazer com o que tínhamos, e propuseram um escopo menor com resultados mais confiáveis. Prefiro isso a uma entrega espetacular que não funciona na segunda semana de uso.
Abril de 2025
Thiago Menezes
CIO — Operadora de saúde, São Paulo-SP
O que diferencia a Pitanga AI de outras empresas que avaliamos foi a atenção à LGPD desde o início da conversa — não como um item de conformidade, mas como parte da arquitetura da solução. Para uma operadora de saúde, isso não é detalhe. A documentação de governança entregue também foi muito mais completa do que esperávamos.
Maio de 2025
Estudos de caso
Projetos em detalhe
Desafio
Clínica de especialidades com alta taxa de faltas
Uma clínica de especialidades em São Paulo registrava 28% de não comparecimento em consultas de retorno, com impacto direto na receita e na gestão de agenda dos especialistas.
Solução aplicada
Análise Preditiva — Solução 01
Desenvolvemos um modelo preditivo de não comparecimento calibrado com 18 meses de histórico da clínica. O modelo considerou variáveis como tipo de consulta, tempo de espera desde o agendamento e histórico do paciente. Integrado ao sistema de agendamento via API em 8 semanas.
Resultados
Redução de 34% nas faltas identificáveis
Com o modelo em uso por 60 dias, a clínica reduziu em 34% as faltas nas consultas identificadas como alto risco — usando contato preventivo para pacientes com maior probabilidade de não comparecer. A taxa geral de faltas caiu de 28% para 19%.
"O modelo não é perfeito, mas nos dá informação acionável que não tínhamos antes." — Diretora clínica
Desafio
Hospital com decisões de prescrição sem suporte analítico
Um hospital de médio porte em Ribeirão Preto precisava de apoio para decisões de prescrição em pacientes polimedicados com comorbidades — sem alertas de interação integrados ao prontuário eletrônico já utilizado.
Solução aplicada
Apoio à Decisão Clínica — Solução 02
Desenvolvemos um sistema de apoio à decisão integrado ao prontuário existente, com alertas contextuais para interações medicamentosas e sugestões de dosagem por perfil de paciente. A fase de descoberta envolveu 4 semanas de entrevistas com médicos prescritores e farmacêuticos.
Resultados
Alertas relevantes em 12% das prescrições revisadas
Nos primeiros 90 dias de operação, o sistema gerou alertas em 12% das prescrições revisadas — dos quais 68% foram considerados clinicamente relevantes pela equipe médica. Prazo total do projeto: 4 meses e meio.
"A transparência sobre o que o modelo considera em cada alerta foi essencial para a aceitação da equipe." — Médica supervisora
Desafio
Operadora buscando análise preditiva de sinistralidade
Uma operadora de saúde de médio porte precisava identificar com antecedência beneficiários com alto risco de internação no trimestre seguinte — para programas preventivos mais direcionados.
Solução aplicada
Plataforma de Inteligência Hospitalar — Solução 03
Desenvolvemos um módulo de risco preditivo integrado às bases de sinistros e de utilização da operadora. O projeto incluiu revisão completa da governança de dados com atenção à LGPD, painel para a equipe de saúde populacional e documentação regulatória.
Resultados
Identificação antecipada de 71% dos casos de alto risco
Na validação retrospectiva com 12 meses de histórico, o modelo identificou corretamente 71% dos casos que resultaram em internação, com 3 meses de antecedência. Prazo de desenvolvimento: 7 meses com entregas incrementais.
"A clareza sobre os limites do modelo foi o que nos deu confiança para usá-lo de fato." — CIO da operadora
Informações de contato
Tem interesse em conversar sobre um projeto?
Telefone
+55 11 9 7438-5612Endereço
Rua Maria Antônia, 294
Vila Buarque, São Paulo - SP, 01222-010
Horário de atendimento
Segunda a sexta: 09h às 18h
Sábado: 09h às 13h
38+
Projetos entregues
12
Organizações de saúde
4,7
Avaliação média (/5)
94%
Taxa de continuidade
Credenciais
Reconhecimentos e afiliações
Membro — SBIS
Sociedade Brasileira de Informática em Saúde — membro institucional desde 2022
Certificação LGPD em Saúde
Equipe técnica capacitada em proteção de dados aplicada ao setor de saúde — 2024
Destaque em Saúde Digital
Reconhecimento no fórum de inovação em saúde digital de São Paulo — abril/2025
Que a sua organização seja o próximo caso de uso bem-sucedido
Entre em contato para uma conversa inicial. Avaliamos juntos se há um projeto de IA adequado ao seu contexto e aos dados que você já tem.
Entrar em contato