Infherno: End-to-end Agent-based FHIR Resource Synthesis from Free-form Clinical Notes

1. O Problema

A integração de dados clínicos e a interoperabilidade entre sistemas de saúde exigem formatos padronizados. O padrão HL7 FHIR (Fast Healthcare Interoperability Resources) é a solução predominante para representar dados de saúde complexos de forma estruturada. No entanto, a conversão automática de notas clínicas em texto livre (não estruturadas) para recursos FHIR estruturados permanece um desafio significativo.

As abordagens anteriores enfrentam limitações críticas:

• Generalização Limitada: Métodos baseados em extração de informação tradicional (NER, extração de relações) são rígidos e adaptam-se mal a contextos clínicos complexos.
• Inconsistência Estrutural: Soluções que utilizam Grandes Modelos de Linguagem (LLMs) com fine-tuning ou decodificação restrita frequentemente falham em gerar saídas que respeitam estritamente o esquema FHIR, resultando em erros de sintaxe ou semântica.
• Custo e Latência: Abordagens baseadas apenas em recuperação de documentos (RAG) para responder a consultas são computacionalmente caras e lentas para análise retrospectiva.

2. Metodologia: Infherno

O Infherno é um framework end-to-end que utiliza uma abordagem baseada em Agentes de LLM para sintetizar recursos FHIR a partir de texto clínico. A arquitetura segue o padrão Thought-Code-Observation (inspirado no framework ReAct), implementado com a biblioteca Smolagents.

Os componentes principais são:

• Agente LLM Orquestrador: O modelo de linguagem não gera o JSON diretamente. Em vez disso, ele "pensa" sobre o problema, decide quais ferramentas usar e escreve código Python para executar a tarefa.
• Execução de Código (Structured Data as Code): O agente utiliza o módulo Python fhir.resources para instanciar objetos FHIR de forma orientada a objetos. Isso permite que erros morfológicos e sintáticos sejam detectados e corrigidos imediatamente durante o ciclo do agente, evitando a geração de JSON inválido.
• Ferramentas de Terminologia (SNOMED CT): O agente possui acesso a ferramentas externas para buscar códigos padronizados (ex: SNOMED CT) em servidores de terminologia FHIR. Isso garante que os conceitos clínicos extraídos (como "dor de estômago") sejam mapeados para códigos oficiais e válidos, em vez de apenas texto livre.
• Validação e Loop de Recuperação: O agente executa um loop onde:
  1. Analisa o texto de entrada.
  2. Chama ferramentas para buscar códigos.
  3. Executa código Python para criar os recursos.
  4. Observa erros de execução (se houver) e corrige o código.
  5. Finaliza com uma função final_answer que serializa o objeto FHIR em JSON válido.
• Interface Front-end: Uma aplicação Gradio que permite a entrada de notas clínicas, visualização do processo de raciocínio do agente (logs, chamadas de ferramentas) e replay de experimentos.

3. Principais Contribuições

1. Framework Agente-Baseado para Texto-para-FHIR: Uma implementação completa que transforma texto não estruturado em representações FHIR semanticamente precisas, integrando validação de esquema via código e busca de terminologia.
2. Análise Quantitativa e Qualitativa: Avaliação rigorosa em dados reais (n2c2 2018) e sintéticos, comparando múltiplos modelos proprietários (Gemini, GPT, Claude) e de código aberto (DeepSeek, Qwen), com foco em taxas de precisão, recall e conformidade estrutural.
3. Demonstrador Leve: Uma interface funcional que suporta tanto modelos locais quanto via API, facilitando a integração de dados clínicos e a interoperabilidade entre instituições.

4. Resultados

Os experimentos foram conduzidos em dois cenários:

• Experimento 1 (Automático): Focado em recursos MedicationStatement em dados do desafio n2c2 e dados sintéticos.

  • Desempenho: O modelo Gemini 2.5 Pro superou todos os outros, alcançando um F1 de 0.754 nos dados n2c2 e 0.933 nos dados sintéticos.
  • Precisão: Todos os modelos apresentaram alta precisão (mínima alucinação/fabricação), mas o recall variou significativamente. O Gemini 2.5 Pro demonstrou a melhor capacidade de recuperação de informações.
  • Códigos SNOMED: O agente conseguiu integrar códigos SNOMED CT corretamente na maioria dos casos, algo que abordagens puramente baseadas em texto muitas vezes falham.

• Experimento 2 (Manual): Comparação detalhada item a item entre a anotação humana (Baseline) e a geração do agente.

  • Qualidade: Em quase o dobro dos casos de divergência de qualidade, o modelo performou melhor do que a anotação humana, especialmente na captura de informações secundárias ou detalhes que anotadores humanos ignoraram devido à fadiga.
  • Consistência: O agente foi mais consistente na captura de informações claramente declaradas, enquanto as divergências ocorreram principalmente em itens secundários ou descrições vagas (onde a subjetividade clínica é alta).
  • Limitação: O agente foi mais cauteloso ao codificar sintomas incertos, o que às vezes resultou em menor recall para casos de "zona cinzenta" clínica.

5. Significado e Conclusão

O Infherno demonstra que a abordagem de agentes autônomos com execução de código é superior às abordagens tradicionais de geração direta de texto para tarefas de estruturação de dados críticos como o FHIR.

• Interoperabilidade: A solução resolve o gargalo da conversão de dados não estruturados para formatos padronizados, facilitando a integração de dados históricos e novos em sistemas de saúde.
• Confiabilidade: Ao usar bibliotecas de validação de código (fhir.resources) em vez de apenas decodificação restrita, o sistema garante conformidade estrutural, reduzindo a necessidade de pós-processamento manual.
• Futuro: O trabalho abre caminho para o uso de modelos menores fine-tuned para esta tarefa e a expansão para mais tipos de recursos FHIR, embora desafios permaneçam na criação de ground truth (dados de referência) e na ambiguidade inerente à linguagem clínica.

Em suma, o Infherno oferece uma via robusta e escalável para automatizar a digitalização de registros clínicos, superando as limitações de generalização e conformidade estrutural das soluções anteriores.