Palavras-chaves: Erros de medicação, posologia, inteligência artificial, rede neural, Python. Erros de medicação em pacientes constituem-se em um problema de escala mundial. Tais erros podem gerar impactos negativos tanto para os pacientes quanto para os custos dos hospitais e clínicas médicas. Pesquisas avaliam que erros de medicação evitáveis podem resultar em mais de 1,5 milhão de lesões e mais de US$ 3,0 bilhões em custos advindos desses erros nos EUA. No ano de 2021, um homem de 28 anos foi internado com problemas cardíacos na cidade de Porto Alegre. Durante o processo hospitalar, a farmácia errou na separação da medicação prescrita, entregando aos enfermeiros uma dosagem 10 vezes maior do que a prescrita. Esse erro, aliado à falta de processo de conferência na administração, acabou resultando em danos severos e, provavelmente, irreversíveis ao paciente jovem. A leitura da notícia e o acompanhamento do caso pelos meios de comunicação incentivaram a pesquisa nas bases de dados científicos, procurando por informações e dados acerca de erros de medicação, bem como tecnologias emergentes para reduzir a ocorrência de eventos adversos na medicação. A partir de constatações realizadas por um estudo inglês, comprovando a ocorrência de erros no estágio de prescrição do medicamento, em um primeiro estágio da pesquisa focou-se em erros de posologia de medicamentos. Objetivando contribuir para oferecer solução para o problema, a presente pesquisa investiga a seguinte questão: “Como desenvolver uma aplicação para auxiliar no reconhecimento de possíveis casos de erros de posologia?” A fim de respondê-la, definiu-se o seguinte objetivo da pesquisa: “Desenvolver um programa computacional a partir de uma inteligência artificial capaz de atuar na identificação de possíveis casos de erros na posologia de medicamentos”. O programa computacional foi desenvolvido por meio de rede neural. A linguagem de programação utilizada foi Python, bem como a biblioteca Keras. Primeiramente, escolheu-se treinar o sistema para 10 medicamentos. A sugestão dos medicamentos foi obtida na fase de coleta de dados. O treinamento da rede neural foi realizado com casos corretos e incorretos de posologia de medicamentos. Além disso, desenvolveu-se uma interface gráfica para a entrada e saída dos dados de novos casos a serem analisados pelo sistema. Foram desenvolvidas redes neurais com diferentes configurações visando atingir uma alta acuracidade para os dados de treinamento e validação. Utilizou-se uma matriz de confusão para apresentar a precisão da rede a casos fora do grupo de treinamento. Obtendo uma precisão em torno de 96%. A despeito da alta acurácia, nos testes realizados, em algumas faixas apresentaram alguns problemas. Constatou-se que esse erro é decorrente de uma necessidade de uma maior quantidade de treinamento, capacidade de processamento e servidor em nuvem. Os resultados da primeira etapa da pesquisa indicam a viabilidade do uso de uma rede neural para o reconhecimento de erros de posologia de medicamentos. Conclui-se que a utilização de uma rede neural atuando para reduzir o risco de posologia de medicamentos é viável. Com a modelagem proposta, em uma ocorrência futura, casos semelhantes ao ocorrido em Porto Alegre poderiam ser impedidos. Na segunda etapa, estudos futuros poderiam colocar foco na adição de uma maior quantidade de medicamentos, no reconhecimento de alergias, nas relações danosas entre remédios, nas doenças pré-existentes e em outros fatores relevantes para os erros de medicação.