Incidente 1763: Supuestamente, la priorización de camas hospitalarias asistida por IA retrasó la atención en cuidados intensivos antes de la muerte de un paciente en Minas Gerais, Brasil.
Descripción: La familia de una paciente de 32 años en Minas Gerais, Brasil, alegó que Core-MG, un sistema de asignación de camas hospitalarias asistido por IA, subestimó su estado y retrasó la atención en cuidados intensivos. Su hermana afirmó que la puntuación de gravedad impidió una reevaluación de prioridades. La paciente falleció horas después de su traslado. El departamento de salud estatal negó que el sistema hubiera fallado en su caso y afirmó que los médicos evaluaron a los pacientes según su necesidad clínica y la disponibilidad de camas.
Editor Notes: Incident ID date marked 06/06/2026; ID created 10/19/2026.
Entidades
Ver todas las entidadesAlleged: Laboratório de Inovação Tecnológica em Saúde (LAIS/UFRN) y AI-enabled healthcare system developers developed an AI system deployed by Minas Gerais State Health Department (SES-MG) , Government agencies , Government of Brazil , Governments y Hospitals, which harmed Emergency medical patients , Patients , Women , Women and girls y Rebeca Cardoso Tenente Molina.
Sistemas de IA presuntamente implicados: Core-MG , Healthcare decision-support systems , AI-enabled healthcare systems y Enterprise AI systems
Estadísticas de incidentes
ID
1763
Cantidad de informes
2
Fecha del Incidente
2026-06-06
Editores
Dummy Dummy
Informes del Incidente
Cronología de Informes
Loading...
Madre de gemelos, residente de Mar de España, falleció durante una larga búsqueda de una UCI neurológica.
La sustitución del sistema de regulación de camas sanitarias SUSFácil por la plataforma Central Operations for State Regulation (Core/…
Loading...
Rebeca Cardoso Tenente Molina, de 32 años, buscó atención médica por cálculos biliares, su estado empeoró rápidamente y necesitó ser trasladada. El Departamento de Salud del Estado informó que la paciente fue remitida de inmediato y que la …
Variantes
Una "Variante" es un incidente de IA similar a un caso conocido—tiene los mismos causantes, daños y sistema de IA. En lugar de enumerarlo por separado, lo agrupamos bajo el primer incidente informado. A diferencia de otros incidentes, las variantes no necesitan haber sido informadas fuera de la AIID. Obtenga más información del trabajo de investigación.
¿Has visto algo similar?


