LabFlow-AI: desenvolvimento de uma plataforma inteligente para extração e formatação otimizada de dados de exames laboratoriais para prontuários eletrônicos no contexto do SUS

Introdução

Laudos laboratoriais costumam ser disponibilizados em formatos não estruturados, como PDF e imagens, que não se integram aos prontuários eletrônicos. No Sistema Único de Saúde (SUS), isso obriga o profissional a transcrever manualmente os resultados para a evolução clínica, tarefa repetitiva, sujeita a erros de digitação e que produz registros extensos e heterogêneos. Soluções baseadas em inteligência artificial generativa podem automatizar essa etapa, mas costumam implicar custo recorrente, dependência de serviços externos e envio de dados sensíveis de pacientes para fora da instituição, o que limita sua adoção em hospitais públicos.

Objetivo

Desenvolver uma plataforma web que extraia, classifique e padronize automaticamente os resultados de laudos laboratoriais em texto conciso, pronto para o prontuário eletrônico, com processamento no próprio dispositivo e sem transmissão de dados de pacientes.

Método

Pesquisa aplicada de desenvolvimento tecnológico, em ciclos iterativos. A identificação de exame, resultado, unidade, referência e data de coleta, prevista inicialmente por reconhecimento de entidades nomeadas, foi implementada por inteligência artificial simbólica, com regras de extração e base de conhecimento de exames, e todo o processamento ocorre no navegador. Para a avaliação, geraram-se 300 documentos sintéticos de pacientes (879 laudos e 25.229 resultados de 115 exames), com valores, datas e combinações sorteados no layout do laboratório de um hospital universitário federal, e gabarito revisado manualmente. Mediram-se sensibilidade e precisão nas entradas por texto e PDF, além do tempo de processamento no navegador.

Resultados e discussão

A base de conhecimento reúne 300 exames de 14 categorias, com 876 sinônimos e valores de referência por sexo e idade, e a saída agrupa os resultados por data de coleta e tipo de amostra, com siglas padronizadas. Foram incorporados gráficos evolutivos, calculadoras preenchidas automaticamente, índice longitudinal de gravidade laboratorial, folha de exames para impressão e exportação em planilha. Nas entradas de teste por texto e PDF, a sensibilidade foi de 99,3% e 99,4%, com precisão de 100% e todos os 18.047 valores numéricos corretos. O tempo mediano foi de 0,15 segundo por documento, e o texto para o prontuário ficou 92% menor que o laudo. Ao contrário dos modelos de aprendizado de máquina, a abordagem simbólica dispensa corpus anotado e retreinamento: cada exame novo entra por atualização da base. O processamento local elimina o envio de dados, uma das barreiras das soluções em nuvem. Como limitações, as métricas usaram laudos sintéticos e a extração depende do layout institucional. Concluído antes do prazo, o desenvolvimento desdobrou-se em estudo de validação no uso assistencial real, aprovado por Comitê de Ética em Pesquisa, no qual mais de 600 laudos reais desidentificados, com mais de 70 mil exames, foram verificados e usados para calibrar a base.

Conclusão

A plataforma cumpre o objetivo proposto: extrai e padroniza automaticamente resultados de laudos laboratoriais, com acurácia próxima de 100% nas entradas por texto e PDF, gerando registros concisos e prontos para o prontuário eletrônico, sem custo de servidor e sem transmissão de dados de pacientes. A abordagem baseada em regras mostrou-se viável, auditável e de baixo custo, adequada à realidade do SUS.

Palavras-chave

• Registros Eletrônicos de Saúde
• Informática Médica
• Sistema Único de Saúde
• Processamento de Linguagem Natural