O avanço das tecnologias digitais e a ampliação das demandas dos sistemas de saúde têm gerado grande volume de dados, criando oportunidades e desafios para a recuperação da informação. Nesse cenário, os sistemas de recomendação (SR) surgem como ferramentas importantes para personalizar e filtrar conteúdos relevantes. Tradicionalmente aplicados em e-commerce, os SR vêm ganhando espaço na área da saúde, apoiando a tomada de decisão clínica e práticas preventivas. A pesquisa propõe que a organização do conhecimento — com o uso de ontologias, taxonomias e metadados potencializa os SR, assegurando precisão e contextualização das recomendações. Tal integração é fundamental em ambientes onde a rapidez e a acurácia na recuperação da informação impactam diretamente a segurança do paciente. A complexidade dos registros eletrônicos e a integração de diversas fontes de dados exigem sistemas capazes de mapear relações semânticas, superando a simples busca por palavras-chave. O estudo tem como objetivo geral investigar como a integração entre SR e organização do conhecimento pode melhorar a recuperação da informação em saúde. Entre os objetivos específicos estão: relacionar os conceitos de SR, organização do conhecimento e filtragem colaborativa; analisar a eficácia na personalização da informação; e debater sua aplicabilidade no apoio à decisão clínica. Metodologicamente, trata-se de uma pesquisa básica, bibliográfica e de abordagem quali-quantitativa. Realizou-se revisão integrativa da literatura em bases como Scopus, PubMed e IEEE Xplore, com foco em técnicas de filtragem colaborativa aplicadas à saúde. Foram analisados estudos sobre construção de ontologias e esquemas de metadados. Posteriormente, compararam-se tempos de recuperação da informação antes e depois da implementação dos SR, com uso de ferramentas estatísticas e mineração de dados. Na terceira etapa, utilizaram-se modelos semânticos para integrar os SR à organização do conhecimento. Os SR utilizam algoritmos que analisam comportamentos e características dos itens para oferecer sugestões personalizadas. Sua eficácia pode ser mensurada pela precisão nas avaliações dos usuários, na adoção das recomendações e no ranqueamento dos itens sugeridos. As principais abordagens incluem filtragem colaborativa (baseada em usuários ou itens), modelos baseados em conhecimento e sistemas híbridos, que combinam diferentes técnicas para superar limitações individuais. Na saúde, os SR vão além de sugerir diagnósticos, contribuindo para prevenção, gestão hospitalar e apoio à decisão. Combinados à organização do conhecimento, permitem estruturar dados clínicos e oferecer recomendações baseadas em contexto, histórico e diretrizes médicas. Essa integração transforma o paradigma da recuperação da informação, promovendo uma prática centrada no paciente e baseada em evidências. Os sistemas baseados em conteúdo analisam atributos dos itens e preferências do usuário, enquanto os colaborativos utilizam dados de usuários semelhantes. Já os híbridos combinam ambos, oferecendo maior robustez. A escolha do modelo deve considerar o tipo de dado, o público-alvo e o contexto. Resultados parciais apontam que a integração entre SR e organização do conhecimento reduz o tempo de busca por informações clínicas e aumenta a precisão das recomendações. A modelagem semântica permite aos algoritmos identificar relações entre dados como sintomas, exames e tratamentos, tornando as sugestões mais relevantes. Isso melhora o suporte à decisão clínica, contribui para a segurança do paciente e otimiza os recursos operacionais. Conclui-se que a combinação de técnicas de recomendação com uma estrutura semântica bem definida tem grande potencial de transformação nos sistemas de informação em saúde. Além de melhorar a qualidade do atendimento, pode gerar acervos anônimos úteis para pesquisas, detecção de padrões e desenvolvimento de novas estratégias. Assim, em um universo complexo de dados, os SR aliados à organização do conhecimento funcionam como guias que ajudam profissionais a localizar a informação precisa no momento certo.