Dot.lib

A documentação de alta no departamento de emergência (DE) é crucial para a continuidade do cuidado, mas frequentemente demorada e incompleta no ambiente caótico do DE. Buscando solucionar esse gargalo, pesquisadores desenvolveram e avaliaram um assistente baseado em Modelo de Linguagem de Larga Escala (Large Language Model, ou LLM) projetado especificamente para gerar notas de alta na emergência. O estudo, publicado no JAMA Network Open, da nossa parceira American Medical Association, compara a eficácia deste assistente com a documentação manual tradicional.

O estudo foi conduzido em um grande hospital na Coreia do Sul e utilizou um LLM comercial (Llama3-8B) ajustado com 592 casos reais de DE. Seis médicos de emergência participaram de uma validação prospectiva sequencial, primeiro escrevendo notas manualmente e depois editando rascunhos gerados pelo LLM. Trezentos conjuntos de notas (manual, rascunho LLM, nota assistida por LLM) foram avaliados por três médicos independentes usando métricas de qualidade (completude, correção, concisão e utilidade clínica).

Os principais resultados foram:

• Melhora na Qualidade: As notas assistidas pelo LLM obtiveram pontuações significativamente mais altas em todas as métricas de qualidade (completude, correção, concisão e utilidade clínica) em comparação com as notas manuais. Comparadas aos rascunhos puros do LLM, as notas assistidas (editadas pelos médicos) foram mais concisas, mas ligeiramente menos completas e corretas, mantendo a utilidade clínica.
  
  
• Redução Drástica no Tempo: O tempo mediano de documentação por nota caiu significativamente — de 69,5 segundos das notas manuais para 32,0 segundos das notas assistidas pelo LLM.
  
  
• Segurança e Eficiência Local: O sistema, chamado Y-KNOT-EDN, foi desenvolvido para operar localmente (on-site), utilizando uma arquitetura leve para equilibrar desempenho e eficiência computacional, abordando preocupações com segurança de dados e viabilidade de implantação hospitalar.
  
  
• Baixa Taxa de Erros Graves: Uma auditoria identificou poucas omissões (principalmente de informações de baixa relevância) e apenas uma confabulação (erro factual) nos rascunhos do LLM, que foi corrigida na maioria das notas editadas, reforçando a necessidade de revisão médica.

Os achados sugerem que assistentes LLM ajustados localmente são uma solução promissora para gerar notas de alta de emergência de alta qualidade, reduzindo significativamente a carga de trabalho dos médicos sem comprometer a segurança, representando um avanço importante no uso da inteligência artificial na prática clínica.

Para aprofundar-se na metodologia de ajuste fino do LLM, nas métricas de avaliação 4C e na análise de similaridade textual, recomendamos a leitura do artigo completo.

Sobre a American Medical Association

A American Medical Association é uma associação que presta serviços a médicos e pacientes, oferecendo conteúdo que representa o que há de melhor na atual medicina americana através de seus periódicos. Reconhecida mundialmente por ser "uma parte essencial da vida profissional de todo médico" e colaborando há quase 200 anos com a classe, o trabalho da AMA é norteado por seus respeitados valores de liderança, excelência, integridade e comportamento ético.

Se você deseja conhecer melhor o portfólio da American Medical Association para a sua instituição, entre em contato pelo info@dotlib.com ou preencha nosso formulário. Aproveite e acompanhe nosso blog, siga nossas redes sociais e se inscreva na Dotlib TV, nosso canal oficial no YouTube.