A IA consegue sinalizar durante o tratamento qual paciente de convênio tem perfil pra migrar pra particular?

"A IA consegue sinalizar durante o tratamento qual paciente de convênio tem perfil pra migrar pra particular?"

Consegue. Mas a resposta honesta tem uma segunda metade que quase ninguém escreve.

A IA não devolve um veredito sobre o paciente. Ela devolve uma probabilidade: uma nota que ordena quem, entre os pacientes de convênio em tratamento, tem mais chance de aceitar um procedimento que o plano não cobre.

E antes de qualquer linha de código existe uma trava. O Código de Ética Odontológica veda cobrar remuneração adicional de paciente atendido sob convênio e veda aliciar paciente para clínica particular.

Ou seja: o modelo pode acertar o paciente e ainda assim colocar a sua clínica em infração ética, se a abordagem for a errada.

Por isso esse projeto começa pelo protocolo, não pelo algoritmo.

Neste guia você vai ver:

• O que a IA de fato produz, e o que ela nunca vai produzir
• A trava do Código de Ética que decide se o projeto pode existir
• Quais sinais reais existem no meio do tratamento, e quais são proxy fraco
• Como montar o score, rotular a migração e medir sem se enganar
• O protocolo humano, a LGPD e a auditoria mensal do sinal
• Quando NÃO vale a pena rodar esse modelo

O que a IA realmente produz: um score de propensão

Comece pelo produto certo, senão a expectativa quebra o projeto na primeira semana.

Um modelo de propensão olha o histórico da sua clínica e responde uma pergunta estatística: entre pacientes com características parecidas com as deste, qual proporção aceitou particular no passado?

Isso é bem diferente de "este paciente vai migrar".

Três coisas o score é:

1. Uma ordenação. Ele coloca a sua carteira de convênio em fila, do mais provável ao menos provável.
2. Uma economia de atenção. Sua equipe não tem tempo de revisar a carteira inteira de convênio todo mês. Tem tempo de revisar o topo de uma fila curta.
3. Uma hipótese testável. Cada abordagem gera um desfecho que volta para o modelo.

E três coisas ele não é:

1. Não é um diagnóstico de capacidade de pagar.
2. Não é autorização para abordar.
3. Não é substituto do julgamento clínico sobre o que aquele paciente precisa.

Lembre: o score responde "quem eu olho primeiro", nunca "o que eu ofereço". A indicação do procedimento continua sendo decisão clínica, tomada por dentista, com base na boca do paciente, não na nota do algoritmo.

A trava que vem antes do algoritmo: o Código de Ética Odontológica

Aqui é onde a maioria dos projetos morre, e é melhor que morra antes de rodar.

O Código de Ética Odontológica (Resolução CFO-118/2012), no Art. 20, inciso VI, tipifica como infração ética "receber ou cobrar remuneração adicional de paciente atendido em instituição pública, ou sob convênio ou contrato".

O mesmo artigo, no inciso VII, tipifica "agenciar, aliciar ou desviar, por qualquer meio, paciente de instituição pública ou privada para clínica particular".

E o inciso V tipifica "abusar da confiança do paciente submetendo-o a tratamento de custo inesperado".

Leia os três juntos e o desenho fica claro.

Você não pode cobrar por fora do que já está coberto. Não pode usar o vínculo do convênio como funil para puxar o paciente para o particular. E não pode surpreender o paciente com custo que ele não esperava.

O que sobra é estreito, mas é real: informar, com clareza e antecedência, sobre procedimento que o plano não cobre, quando existe indicação clínica para ele.

A fronteira entre oferta legítima e aliciamento

A diferença entre as duas condutas não está na intenção. Está no procedimento, no momento e no registro.

Situação	Enquadramento prático	Por quê
Procedimento com indicação clínica que o plano não cobre, apresentado em consulta específica, com orçamento por escrito	Oferta legítima	Existe necessidade clínica, o item está fora do rol coberto e o custo é informado antes
Upgrade de material solicitado pelo próprio paciente	Oferta legítima	A iniciativa é do paciente e a alternativa coberta continua disponível
Cobrança de complemento por procedimento que o convênio já cobre	Infração ética	Art. 20, VI veda remuneração adicional de paciente sob convênio
Sugerir que o paciente saia do plano e volte como particular para ser melhor atendido	Aliciamento	Art. 20, VII veda desviar paciente para clínica particular
Valor adicional descoberto pelo paciente só na hora de pagar	Custo inesperado	Art. 20, V trata de abuso de confiança

Repare no padrão: o que separa uma coluna da outra é sempre quem começou a conversa e quando o preço apareceu.

Comunicar o custo antes não é formalidade, é pré-requisito

O mesmo Código de Ética Odontológica, no Art. 19, parágrafo único, determina que o profissional arbitre o valor da consulta e dos procedimentos odontológicos comunicando previamente ao paciente os custos dos honorários profissionais.

Traduzindo para a rotina da clínica: orçamento verbal, improvisado, no meio do atendimento, é o pior formato possível.

Faça o contrário. Toda proposta particular a paciente de convênio precisa de:

• Documento escrito com o procedimento, o material e o valor
• Menção explícita à alternativa coberta pelo plano, quando ela existir
• Momento próprio para apresentar, fora da cadeira e fora do procedimento em andamento
• Registro no prontuário de que a informação foi dada e de que a decisão ficou com o paciente

Esse conjunto protege a clínica e, de quebra, aumenta a taxa de aceite. Paciente que entende o que está comprando não recua na semana seguinte.

Quais sinais existem de verdade no meio do tratamento

Agora sim, a parte técnica. A pergunta que interessa é: quais dados a sua clínica já tem que carregam informação sobre propensão?

A resposta é menos glamourosa do que a promessa de IA sugere, e mais útil.

Sinal	Onde ele já existe hoje	Força do sinal	Armadilha
Indicação clínica de procedimento fora do rol coberto	Plano de tratamento no prontuário	Alta	Depende de o prontuário separar coberto de não coberto
Pedido espontâneo de upgrade de material	Evolução clínica e conversa na recepção	Alta	Raramente é registrado de forma estruturada
Pergunta espontânea sobre estética	Histórico de WhatsApp e atendimento	Alta	Fica em texto livre, precisa de extração
Aceite anterior de item avulso em particular	Financeiro	Alta	O melhor preditor costuma ser comportamento passado
Adesão ao plano de tratamento	Agenda (sessões concluídas na sequência prevista)	Média	Confunde adesão com disponibilidade de horário
Frequência de retorno e tempo de casa	Agenda	Média	Correlaciona com vínculo, não com disposição a pagar
Taxa de resposta e latência no WhatsApp	Histórico de conversas	Média	Mede engajamento, não intenção de compra
Horário de contato e canal de origem	CRM e histórico de campanha	Baixa	Sinal de conveniência, não de perfil
Proxy socioeconômico (bairro, escolaridade declarada)	Cadastro	Baixa e arriscada	Correlação populacional não descreve indivíduo

Os quatro primeiros carregam quase toda a informação útil. Os últimos entram como tempero, nunca como base.

Por que perfil socioeconômico é o proxy mais fraco da lista

A intuição por trás desse proxy é conhecida: quem tem mais renda iria mais ao dentista, logo converteria melhor para particular.

Mas mesmo que isso valesse no agregado populacional, o seu problema não é populacional. É individual.

Dois pacientes do mesmo CEP, mesma faixa de renda declarada e mesma idade se comportam de forma completamente diferente diante de um orçamento de faceta. Um paga à vista. O outro nem discute.

E tem um risco a mais: quando você deixa o modelo pesar demais em proxy socioeconômico, você não construiu um score de propensão. Construiu um filtro de renda presumida, que erra muito e cria um problema de discriminação que ninguém quer explicar depois.

Use comportamento observado. Comportamento é mais preditivo e menos perigoso.

Como montar o score: rótulo, janela e features

Antes de escolher algoritmo, resolva três decisões de negócio. Elas valem mais que o modelo.

1. O rótulo: o que conta como migração?

Definir mal aqui contamina tudo. Escolha uma das opções e escreva:

• Aceite de um procedimento particular avulso durante o tratamento em curso
• Aceite de um plano de tratamento particular completo
• Qualquer receita particular registrada no período, acima de um piso definido pela clínica

O terceiro é o mais fácil de extrair e o mais ruidoso. O primeiro é o mais fiel ao que você quer prever.

2. A janela de observação.

Sem janela fechada, você mistura paciente que teve meses para decidir com quem teve poucas semanas. Fixe a janela (por exemplo, um trimestre contado da primeira sessão do plano) e aplique igual para todo mundo.

3. As features, com corte temporal correto.

O erro mais comum em projeto de propensão é vazamento: usar como preditor um dado que só existe depois do desfecho. Se você inclui "recebeu orçamento particular", o modelo vai acertar quase tudo e não vai servir para nada, porque o orçamento é consequência da abordagem, não causa da migração.

Regra prática: só entram no modelo dados disponíveis no momento em que o sinal seria emitido.

Se a sua clínica ainda está resolvendo a triagem na porta de entrada, comece por como a IA qualifica particular e convênio no roteamento do lead. O score de meio de tratamento pressupõe que a entrada já esteja organizada.

Por que acurácia engana em base desbalanceada

Essa é a parte que mais derruba projeto de IA em clínica.

Migração é evento raro. E evento raro quebra a métrica que todo mundo pede primeiro.

Exemplo hipotético, só para a matemática ficar visível: suponha 1.000 pacientes de convênio em tratamento no período e 30 migrações reais. Um modelo preguiçoso que responda "ninguém migra" para todo mundo acerta 970 dos 1.000 casos.

Acurácia altíssima. Utilidade zero.

Por isso o par certo é outro:

• Precisão: entre os pacientes que a IA apontou, quantos de fato migraram? Precisão baixa significa equipe gastando tempo e paciência com quem não tinha perfil.
• Recall: entre os pacientes que migraram, quantos a IA tinha apontado? Recall baixo significa caso ficando na mesa.

Os dois brigam entre si. Subir um derruba o outro. Escolher o ponto de equilíbrio é decisão de gestão, não de ciência de dados.

O limiar decide o estrago (e o resultado)

O modelo devolve uma nota contínua. Quem transforma nota em ação é o limiar que você define.

Perfil de limiar	O que acontece na prática	Quando faz sentido
Agressivo (sinaliza muita gente)	Recall alto, precisão baixa. A equipe aborda paciente sem perfil e o custo aparece como atrito e desconfiança, não como prejuízo no caixa	Só com equipe treinada e roteiro conservador
Equilibrado	Fila de tamanho gerenciável, erro dos dois lados	Padrão para começar e calibrar com dado real
Conservador (sinaliza pouca gente)	Precisão alta, recall baixo. Quase todo apontado é bom, mas muito caso fica na mesa	Agenda cheia, equipe pequena, ou primeira rodada do projeto

Comece conservador. O custo de um falso positivo em paciente em tratamento não é financeiro, é relacional, e relacional não volta com desconto.

O teto realista: o sinal é moderado, não determinístico

Vale calibrar a expectativa antes de vender o projeto internamente.

Modelos preditivos aplicados à rotina odontológica, inclusive os de previsão de falta em consulta, produzem sinal útil, mas longe de determinístico. Eles separam grupos com probabilidades diferentes; não identificam indivíduos com certeza.

O que isso significa para a sua clínica:

• O score melhora a ordem da fila. Ele não elimina o erro.
• Uma parte relevante dos pacientes de alta nota não vai migrar, e tudo bem.
• Uma parte dos pacientes de nota baixa vai migrar por motivo que nenhum dado captou (um casamento na família, uma promoção no trabalho, um espelho num dia ruim).

Quem promete "a IA identifica exatamente quem vai pagar particular" está vendendo algo que a estatística não entrega.

LGPD: dado de saúde é sensível e perfilamento tem regra própria

Dois pontos da Lei Geral de Proteção de Dados (Lei 13.709/2018) tocam esse projeto de frente.

Primeiro, a natureza do dado. Dado referente à saúde é dado pessoal sensível, com regime de tratamento mais restrito que dado comum.

Segundo, o perfilamento. O art. 20 dá ao titular o direito de solicitar a revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem seus interesses, incluídas as decisões destinadas a definir seu perfil pessoal, profissional ou de consumo.

Existe ainda o art. 11, parágrafo 4º, que veda a comunicação ou o uso compartilhado entre controladores de dados pessoais sensíveis referentes à saúde com o objetivo de obter vantagem econômica, com hipóteses específicas de exceção ligadas à prestação de serviços de saúde.

Três consequências práticas para o desenho:

1. Mantenha o dado dentro da clínica. Score de propensão que exporta base clínica para ferramenta de terceiro é a decisão mais arriscada do projeto.
2. Garanta revisão humana documentada. Se um humano revisa e decide, a decisão deixa de ser "unicamente automatizada".
3. Trate finalidade e base legal com apoio jurídico. Este texto é orientação de gestão, não parecer.

Human-in-the-loop: o sinal vira tarefa, nunca mensagem de venda

Essa é a regra que sustenta todas as anteriores.

O sinal da IA para no dentista, não no paciente.

O fluxo correto tem quatro paradas:

1. A IA gera a fila priorizada e a disponibiliza para a equipe clínica.
2. O dentista responsável revisa o caso e confirma se existe indicação clínica real para algum procedimento não coberto.
3. Se existir, a clínica agenda um momento próprio para apresentar o plano, com orçamento escrito.
4. Se não existir, o caso é descartado e o descarte alimenta o modelo.

Repare que o passo 2 é o mais importante do sistema inteiro. É ele que impede o score de virar máquina de empurrar procedimento.

Automatizar do passo 1 direto para uma mensagem ao paciente elimina a avaliação clínica, apaga o registro de quem decidiu abordar e aproxima a conduta exatamente do que o Art. 20, inciso VII, veda.

O protocolo operacional: quem, quando e com qual roteiro

Sinal sem protocolo vira improviso. E improviso com paciente em tratamento custa caro.

Quem recebe. Uma pessoa nomeada, não "a equipe". Em clínica de porte, costuma ser a coordenação clínica, que revisa com o dentista responsável.

Em que momento da jornada. Nunca durante um procedimento. Nunca com o paciente na cadeira, anestesiado ou aguardando. O momento certo é a consulta de reavaliação ou o retorno de controle, quando a conversa sobre plano de tratamento é natural.

Com qual roteiro. O roteiro parte da boca, não do preço. Sequência que funciona:

1. Situação clínica atual, com evidência (foto, radiografia, exame)
2. O que o plano cobre para aquela situação
3. O que existe além do coberto, e qual a diferença de resultado
4. O valor, por escrito, sem pressão de decisão imediata
5. A confirmação de que seguir só com o coberto é uma escolha legítima

Com qual registro. Prontuário com data, o que foi apresentado, o valor informado e a decisão do paciente. Sem isso você não tem defesa nem aprendizado.

Se a objeção "mas meu convênio cobre isso" aparecer, ela tem tratamento próprio: veja como responder a objeção de cobertura do convênio.

Como auditar o sinal todo mês

Modelo em produção degrada em silêncio. Perfil de paciente muda, rol de cobertura muda, equipe muda.

O NIST AI Risk Management Framework (AI RMF 1.0) organiza esse cuidado na função MEASURE, que trata explicitamente do monitoramento do sistema em produção (MEASURE 2.4) e da avaliação de confiabilidade no contexto real de uso, com participação de especialistas do domínio (MEASURE 4.2).

Na prática de clínica, isso vira uma rotina simples:

• Amostragem mensal cega. Sorteie casos e peça ao dentista para classificar sem ver a nota da IA.
• Concordância medida por kappa. Kappa mede acordo descontando o que aconteceria por acaso, o que evita a ilusão de "a IA concorda com a gente" quando ambos dizem "não" quase sempre.
• Revisão dos falsos positivos. Todo caso apontado e descartado pelo dentista é matéria-prima para corrigir feature.
• Comparação de safras. O desempenho do trimestre atual contra o anterior mostra degradação antes de o resultado cair.

Se você quer o método de auditoria detalhado, ele já está escrito em como auditar erro de classificação da IA na triagem entre particular e convênio.

A economia que justifica (ou desmonta) o projeto

Antes de investir tempo nisso, faça a conta com os seus números, não com benchmark de fora.

Primeiro, o custo real do convênio na sua operação. Glosa, repasse atrasado e a diferença entre o valor da tabela e o seu custo por hora de cadeira. Puxe os últimos doze meses do seu financeiro. O tamanho do problema aparece sozinho.

Segundo, e mais importante: a sua cadeira tem espaço vago?

Essa pergunta reordena tudo.

• Se a agenda tem ociosidade, migração é receita incremental. Cada caso particular que entra ocupa hora que estava parada.
• Se a agenda está cheia, migração não é upsell. É troca de paciente, com custo de relacionamento e risco ético embutido. Nesse cenário, revisar a tabela do credenciamento ou reduzir cobertura tende a resolver melhor que qualquer score.

Vale checar também o desenho do seu mercado, em vez de assumir. Quando o paciente não escolheu o plano e sim recebeu pelo empregador, o corte é dos dois lados: o apego ao plano é menor, e a disposição de pagar do bolso por algo que ele entende como "já incluído" também. Qual das duas forças pesa mais na sua base é pergunta empírica, e a resposta está na sua própria carteira, não num número geral de mercado.

Para o movimento estrutural, que é maior que um score, existe o caminho completo em como migrar de convênio para particular sem perder faturamento.

Os indicadores que você precisa acompanhar

Sem esses cinco, você não sabe se o score está ajudando ou corroendo a base.

Indicador	Como calcular	Do que ele te protege
Taxa de aceite do orçamento particular entre sinalizados	Orçamentos aceitos dividido por orçamentos apresentados a pacientes sinalizados	De achar que o modelo funciona sem olhar desfecho
Ticket incremental	Receita particular gerada além do que o convênio pagaria naquele caso	De confundir volume de abordagem com resultado
Taxa de falso positivo revisada por humano	Sinalizados descartados pelo dentista dividido pelo total sinalizado	De um modelo que se descolou do julgamento clínico
Taxa de reclamação e de troca de profissional	Reclamações dividido por pacientes abordados	Do dano invisível, que só aparece meses depois
Concordância IA e dentista (kappa)	Amostra mensal cega	Da ilusão de acordo por acaso

Acompanhe os cinco juntos. Os dois últimos são o freio. Sem eles, o projeto otimiza receita de curto prazo e queima carteira.

Sinal certo com resposta lenta não vira nada

A janela de contato importa tanto quanto o score. Um aviso de leitura antes dos números: eles vêm do funil de aquisição de paciente novo pelo WhatsApp (dados internos da Odonto Results, 18 clínicas, janela de 25/mar a 14/jun de 2026), e não da base de pacientes já em tratamento, que é de quem esta página trata. Servem como ordem de grandeza da urgência de resposta, não como meta do projeto de migração.

Nesse recorte, a IA responde à primeira mensagem em mediana 4,4 segundos, a mediana entre a primeira mensagem e o agendamento é de 2h57, cerca de 23% dos leads que respondem viram agendamento e 43,8% dos contatos chegam fora do horário comercial.

O que isso ensina para o projeto de migração: a fila priorizada tem prazo de validade. Se ela sai na segunda e a coordenação só olha na quinta, você tem um relatório, não um sistema.

Os erros que queimam a base

Cinco condutas destroem mais valor do que qualquer score gera. Nenhuma delas é hipótese: são os modos de falha clássicos desse tipo de projeto.

1. Abordar no meio do procedimento. Paciente na cadeira não está em condição de avaliar orçamento. Isso não é venda, é pressão.
2. Usar desconto como isca. Preço promocional em cima de vínculo de convênio transforma a conversa em barganha e enfraquece o valor do seu trabalho.
3. Prometer resultado. Estética não tem garantia de desfecho. Prometer é problema clínico e é problema ético.
4. Insistir com paciente vulnerável. Idoso, paciente com dor, paciente em situação financeira frágil. O sinal pode apontar. O bom senso desliga.
5. Deixar o preço aparecer só no caixa. Isso cai direto no Art. 20, inciso V, do Código de Ética Odontológica, que trata de submeter o paciente a tratamento de custo inesperado.

Quando NÃO vale a pena rodar o modelo

Honestidade aqui vale mais que projeto bonito. Existem quatro situações em que a resposta certa é não fazer.

1. Base pequena. Se as migrações do seu histórico cabem nos dedos, você não tem o que treinar. Comece registrando o desfecho de forma estruturada e volte no ano seguinte.
2. Rótulo não confiável. Se o prontuário e o financeiro não separam com clareza o que foi coberto e o que foi particular, o modelo aprende o ruído do seu cadastro.
3. Agenda cheia. Sem cadeira vaga, migração é troca, não crescimento. Resolva capacidade ou tabela antes.
4. Contrato de credenciamento restritivo. Alguns contratos trazem cláusulas sobre oferta de serviços a beneficiários. Leia o seu antes de desenhar processo em cima dele.

Em três desses quatro casos, o gargalo não é tecnologia. É registro e capacidade.

Seu próximo passo

1. Audite a fronteira ética antes do dado. Releia o Art. 19 e o Art. 20 do Código de Ética Odontológica com o seu responsável técnico e escreva, em uma página, o que a sua clínica pode e não pode oferecer a paciente de convênio em tratamento.
2. Organize o rótulo por um trimestre. Antes de qualquer modelo, passe a registrar de forma estruturada todo procedimento particular aceito por paciente de convênio, com data, item e valor. Sem esse histórico, não existe score.
3. Rode o piloto conservador com revisão humana. Limiar alto, fila curta, dentista revisando caso a caso, orçamento escrito, prontuário atualizado e os cinco indicadores medidos no fim do mês.

Quer estruturar a captação e o atendimento da sua clínica com processo medido do primeiro contato até o paciente na cadeira? Agende uma apresentação.