IA AWS testada no INRAD HCFMUSP resume o prontuário de pacientes em menos de 1 minuto

O Hospital das Clínicas da Faculdade de Medicina da USP (HCFMUSP) é o maior complexo hospitalar da América Latina e seu Instituto de Radiologia (INRAD), com cerca de 200 radiologistas, realiza mais de 330 mil exames de imagens anualmente. Com este volume, o instituto enfrentava dois gargalos operacionais críticos no processo de laudos.

O primeiro era a coleta de contexto clínico, já que antes de analisar as imagens, o radiologista precisava navegar por múltiplos sistemas para reunir o histórico do paciente, realizando pesquisa manual das informações, prolongando o tempo de análise por paciente e gerando riscos de perda de dados dispersos.

“O segundo era a redação manual dos laudos, feita sem padronização estrutural, terminologia uniforme ou validação automática”, explica Carolina Rimkus, coordenadora de Projetos de IA do INRAD/HCFMUSP. Desta forma, a digitação repetitiva de informações estruturais e técnicas compete diretamente com o tempo de análise clínica das imagens, situação que levou o INRAD a buscar uma tecnologia capaz de eliminar tarefas redundantes e permitir aos radiologistas focar essencialmente no diagnóstico.

Procuradas pelo INRAD, a dataRain e a AWS desenvolveram uma plataforma de inteligência artificial generativa baseada em duas fases complementares. “Na primeira, criamos uma sumarização automática de prontuários, ou um pré-laudo”, explica Caio Marini, arquiteto de Dados & IA, dataRain Consulting. Para isso foi utilizada uma API de alta performance integrada ao fluxo de trabalho, que gera resumos estruturados dos prontuários.

O fluxo envolve o Centralizador de Documentos da FMUSP, que busca arquivos de até sete dias na nuvem. A API faz o download paralelo dos PDFs, extrai o texto e o envia ao modelo Claude Sonnet 4 via Amazon Bedrock. “Em menos de 50 segundos, um resumo cronológico estruturado, composto por motivo, identificação, diagnóstico, antecedentes, dispositivos, história atual e últimas condutas é exibido diretamente ao radiologista”, diz, lembrando que o Amazon Elastic Kubernetes Service (Amazon EKS) gerencia o processamento assíncrono desta etapa.

Na segunda fase, foi criado o Laudo Inteligente com Copiloto IA, uma plataforma web - rodando em Amazon Elastic Compute Cloud (Amazon EC2) e Amazon DynamoDB - que apoia em tempo real a elaboração de laudos estruturados para dez modalidades de exame em seis especialidades. “Este sistema utiliza Claude Sonnet 4.5 para edição de laudos por linguagem natural e o Claude Haiku 4.5 para tarefas leves de formatação”, ressalta.

De acordo com Marini, a plataforma conta com funcionalidades como um editor de laudos estruturados com templates padronizados elaborados a partir de modelos utilizados pelo INRAD e adaptados com base em modelos estruturados da Radiology Society of North America (RSNA); ditado por voz em português brasileiro com o Amazon Transcribe standard, usando um vocabulário customizado com cerca de 900 termos médicos calibrados foneticamente para o instituto. Ela também faz validação em tempo real sob cinco regras ativas (como lateralidade e lacunas) e dispõe de fluxo de aprovação hierárquico (do residente para médico/administrador). Por fim, a segurança é garantida com dados criptografados residentes no Brasil (sa-east-1) em total conformidade com a LGPD, controle de acesso via Amazon Cognito e proteção pelo AWS WAF. 

Carolina reforça que a implementação da solução entregou resultados expressivos nas fases em produção. “Já na primeira fase a análise prévia de prontuários caiu para menos de 1 minuto e o processamento médio caiu para 48,6 segundos por paciente”, destaca. Aqui, a taxa de sucesso chegou a 91,7%, superando a meta de 90%. Um painel de seis radiologistas avaliou que 83,3% dos resumos receberam nota máxima (4–5 de 5) e 93,3% estavam livres de alucinações.