Desenvolvimento de um sistema de inteligência artificial generativa para apoio à decisão clínica em teleconsultas no CISAM

Resumo

A transformação digital na saúde, acelerada pelo cenário pós-pandêmico, consolidou a teleconsulta como uma ferramenta essencial para a ampliação do acesso a serviços médicos. Nesse novo contexto, surgem desafios relacionados à otimização do fluxo de atendimento e à necessidade de ferramentas que ofereçam suporte ágil e assertivo à decisão clínica. O presente trabalho tem como objetivo principal o desenvolvimento de uma solução tecnológica baseada em Inteligência Artificial (IA) e Mineração de Dados para aplicação no Centro Universitário Integrado de Saúde Amaury de Medeiros (CISAM), com foco no apoio à tomada de decisões clínicas em teleconsultas. A proposta visa implementar um sistema capaz de realizar pré-diagnósticos a partir das queixas relatadas pelos pacientes, otimizando o fluxo de atendimento, reduzindo o tempo de espera e promovendo maior assertividade na indicação de especialidades médicas. Além disso, o projeto alinha-se ao Objetivo de Desenvolvimento Sustentável (ODS) nº 3 da ONU – Saúde e Bem-Estar –, promovendo o uso de tecnologias emergentes para ampliar o acesso à saúde de forma eficiente e segura, sobretudo em contextos de pós-pandemia. A metodologia utilizada neste projeto, que possui ênfase na área de Inteligência Artificial, tem como objetivo desenvolver um software de geração de texto com foco na área médica, executado diretamente em computadores pessoais, sem depender de internet ou servidores externos. Para isso, foi utilizado o Ollama, uma ferramenta que permite instalar e rodar modelos de linguagem localmente, ou seja, no próprio computador do usuário. O modelo de IA utilizado, chamado MedGemma, foi obtido através da plataforma Hugging Face, que é um repositório público de modelos de Inteligência Artificial. Para oferecer uma interface visual mais amigável ao usuário, foi usada a ferramenta Open WebUI, que cria uma página acessível pelo navegador de Internet onde é possível interagir com o modelo escrevendo perguntas e recebendo respostas. Essa interface foi executada por meio do Docker, uma plataforma que cria ambientes isolados dentro do computador, garantindo que a instalação não interfira em outros programas. Para facilitar todo o processo, foram criados dois arquivos de automação: um no formato .bat para computadores com sistema Windows e outro no formato .sh para sistemas Linux. Esses arquivos verificam se o modelo já está instalado, o criam se necessário e iniciam a interface web. Também foi ajustado o endereço de comunicação interna entre o Ollama e a interface web, garantindo que os dois componentes funcionem em conjunto. A elaboração do projeto resultou na implementação de um ambiente de Inteligência Artificial funcional, executado em ambiente local de forma estável. Adicionalmente, foi configurada e desenvolvida uma interface de usuário via Open WebUI, customizada para o contexto da UPE e do CISAM, a fim de oferecer um canal de interação intuitivo para os profissionais de saúde. Testes de validação contínuos confirmam a comunicação estável e eficiente entre a interface web e o modelo MedGemma. As respostas geradas pelo modelo nos testes demonstraram capacidade para fornecer informações pertinentes e coerentes a partir de queixas clínicas, validando o potencial da solução para o auxílio ao pré-diagnóstico. Destarte, o projeto atingiu com êxito seu objetivo principal, entregando o produto como uma solução tecnológica funcional de IA para o apoio à tomada de decisão em teleconsultas. A metodologia se mostrou eficaz ao validar uma arquitetura de execução em servidores locais (on-premises), utilizando tecnologias como Docker e Ollama. Essa abordagem é um diferencial estratégico, pois garante a segurança e a privacidade dos dados dos pacientes em conformidade com a Lei Geral de Proteção de Dados (LGPD), evitando a exposição de informações sensíveis. Os resultados concretos incluem a implementação de uma interface web organizada e customizada com a identidade visual da UPE, e a ativação de um assistente especializado. A capacidade do sistema aponta para um alto potencial de assertividade e agilidade nos atendimentos. O sucesso desta fase inicial não apenas estabelece uma ferramenta com potencial para otimizar o fluxo de trabalho no NUTES-CISAM, mas também cria uma base sólida para futuras expansões do software para outras unidades do Complexo Hospitalar, reforçando o valor do projeto como um avanço prático para a saúde digital em Pernambuco. Finalmente, é importante ressaltar que este trabalho está inserido no projeto de extensão tecnológica “Inteligência Artificial de Pré-diagnóstico para Auxiliar na Tomada de Decisões em Teleconsultas no CISAM” aprovado no EDITAL Nº 33/2024-FACEPE COMPET Superior, tendo iniciado em abril/2025 com uma capacitação em tecnologias 4.0, com carga horária de 32h, para aproximadamente 50 alunos da Universidade de Pernambuco. Dentre esses alunos, os 15 que tiveram melhor desempenho na capacitação foram selecionados para a fase de execução do projeto iniciada em maio de 2025 com previsão de término em setembro de 2025.
Palavras-chave: Inteligência artificial; Saúde digital; Apoio à decisão clínica; Teleconsulta.
Referências
FREYER, Oscar; et al. A future role for health applications of large language models depends on regulators enforcing safety standards. The Lancet Digital Health, v. 6, n. 9, p. e662-e672, set. 2024. Disponível em: https://www.sciencedirect.com/science/article/pii/S2589750024001249. Acesso em: 23 jul. 2025.
FUNDAÇÃO DE AMPARO À CIÊNCIA E TECNOLOGIA DO ESTADO DE PERNAMBUCO (FACEPE). Divulgado Resultado Final do Compet Superior. Disponível em: https://www.facepe.br/divulgado-resultado-final-do-compet-superior/. Acesso em: 20 jul. 2025.
UNIVERSIDADE DE PERNAMBUCO. [Alunos da Poli concluem capacitação no Programa de Formação Tecnologias 4.0: IA Soluções CISAM]. Recife. 20 mai. 2025. Instagram. Disponível em: www.instagram.com/p/DJ4YATHNiHa/. Acesso em: 29 jul. 2025.
UNIVERSIDADE DE PERNAMBUCO. [IA NA TELESSAÚDE: INOVAÇÃO NO CISAM]. Recife. 04 jul. 2025. Instagram. Disponível em: www.instagram.com/reel/DLsgeXUR3-a/. Acesso em: 20 jul. 2025.
YU, Zhengqiu; et al. Evaluating large language models for information extraction from gastroscopy and colonoscopy reports through multi-strategy prompting. Journal of Biomedical Informatics, v. 168, p.104844, 2025. Disponível em: https://www.sciencedirect.com/science/article/pii/S1532046425000735. Acesso em: 23 jul. 2025.