💬 NLP

The Daily Dose: Workflow-Integrated Large Language Model Automation for Clinical Summarization and Trial Identification in Radiation Oncology

Este estudo apresenta o desenho e a avaliação inicial do "The Daily Dose", um sistema impulsionado por LLM integrado aos fluxos de trabalho de oncologia radioterápica que gera automaticamente resumos de pacientes e identifica ensaios clínicos, demonstrando alta satisfação dos clínicos, excelente confiabilidade e economia de tempo percebida significativa em uma pesquisa de métodos mistos com 55 respondentes.

Autores originais: Jason Holmes, Federico Mastroleo, Mariana Borras-Osorio, Srinivas Seetamsetty, Satomi Shiraishi, Mirek Fatyga, Judy C. Boughey, Cornelius A. Thiels, William G. Breen, Daniel J. Ma, Daniel K. Ebner, Da

Publicado 2026-05-27

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Jason Holmes, Federico Mastroleo, Mariana Borras-Osorio, Srinivas Seetamsetty, Satomi Shiraishi, Mirek Fatyga, Judy C. Boughey, Cornelius A. Thiels, William G. Breen, Daniel J. Ma, Daniel K. Ebner, David M. Routman, Brady S. Laughlin, Carlos E. Vargas, Samir H. Patel, Sujay A. Vora, Nadia N. Laack, Andrew Y. K. Foong, Wei Liu, Mark R. Waddle

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine a manhã de um oncologista de radiação como a de um piloto se preparando para um voo complexo. Antes da decolagem, o piloto precisa verificar centenas de pontos de dados: relatórios meteorológicos, níveis de combustível, status do motor e manifestos de passageiros. Em um hospital, essa "verificação pré-voo" envolve ler registros eletrônicos de saúde (RES) massivos de dezenas de pacientes. É uma montanha de papelada que pode parecer avassaladora, levando à fadiga e a menos tempo para o "voo" em si — cuidar do paciente.

Este artigo apresenta uma nova ferramenta chamada "A Dose Diária" (TDD), que atua como um copiloto inteligente para esses médicos. É um sistema que utiliza inteligência artificial avançada (especificamente um Modelo de Linguagem de Grande Porte, ou LLM) para realizar o trabalho pesado de ler e resumir os arquivos dos pacientes antes mesmo do médico chegar ao hospital.

Abaixo está uma explicação de como funciona, o que o estudo encontrou e o que os autores concluíram, usando analogias simples.

O Problema: O "Delírio de Dados"

A oncologia de radiação gera uma enorme quantidade de dados para cada paciente ao longo do tempo. Os médicos precisam saltar entre diferentes programas de software para montar a história do paciente, o tratamento atual e os resultados dos exames. Fazer isso manualmente é lento e mentalmente exaustivo. Os autores descrevem isso como uma grande fonte de ineficiência e "fadiga cognitiva" (cansaço mental).

A Solução: O "Copiloto Inteligente"

A equipe do Mayo Clinic desenvolveu A Dose Diária. Pense nela como um assistente inteligente que acorda às 5:00 da manhã todos os dias e faz o seguinte:

Verifica a Agenda: Olha o calendário do médico para ver com quem ele vai se encontrar naquele dia.
Lê os Arquivos: Merce nos registros digitais do hospital de cada paciente. Extrai detalhes do diagnóstico, planos de tratamento, resultados de laboratório e notas anteriores.
Escreve um Resumo: Em vez de fazer o médico ler 50 páginas de anotações, a IA escreve um parágrafo curto e claro para cada paciente. Destaca as coisas mais importantes, como "O Paciente X está no seu 10º dia de tratamento" ou "Os níveis de PSA do Paciente Y caíram".
- Recurso Especial: Se o paciente tiver câncer de próstata, a IA calcula automaticamente escores de risco específicos (como um sistema de "semáforo" para risco de câncer) com base nos dados.
Encontra Ensaios Clínicos: Para novos pacientes, a IA age como um detetive. Compara a condição do paciente com um banco de dados de estudos de pesquisa ativos (ensaios clínicos) no Mayo Clinic. Se um paciente puder se qualificar para um estudo, a IA lista o ensaio e explica por que ele pode se encaixar.
Entrega o Relatório: No início do dia, o médico recebe um único e-mail com todos esses resumos. É como receber um pacote de briefing personalizado antes de sair de casa.

O Experimento: Testando o Copiloto

Os pesquisadores testaram esse sistema em três locais do Mayo Clinic (Arizona, Flórida e Minnesota). Eles não olharam apenas para o código; perguntaram às pessoas que o usavam: "Como isso se sente?"

Quem foi consultado?
Eles pesquisaram 55 profissionais de saúde, principalmente oncologistas de radiação (os pilotos), mas também enfermeiros e outros provedores.

O que eles descobriram?
Os resultados foram uma mistura de "Ótimo!" e "Precisa de trabalho", mas majoritariamente positivos.

Adoção: A maioria das pessoas (cerca de 84%) usou a ferramenta diariamente ou várias vezes por semana. Ela pegou.
Satisfação: Em uma escala de 1 a 5, a satisfação média foi alta (cerca de 3,9). A maioria dos usuários achou fácil de usar e bem organizada.
Economia de Tempo: É aqui que ficou interessante.
- Alguns médicos sentiram que economizaram 20 minutos ou mais por dia.
- Outros sentiram que economizaram 5 a 10 minutos.
- Cerca de 22% disseram que não economizaram tempo algum.
- A Chave da Análise: As pessoas que sentiram que economizaram tempo foram as mais felizes. Se a ferramenta não economizasse tempo, elas não estavam tão satisfeitas com ela.
Utilidade: Cerca de 60% sentiram que ajudou a mantê-los atualizados sobre os compromissos e a entender melhor os resumos dos pacientes. No entanto, as opiniões foram divididas sobre se realmente ajudou na coordenação da equipe ou reduziu o tempo gasto na revisão de prontuários. Alguns sentiram que era apenas um resumo "bom de ter", não uma economia de tempo.
O Recurso de "Ensaios": Os médicos gostaram da ideia da IA sugerir ensaios clínicos, mas alguns notaram que a IA às vezes sugeria ensaios que não se encaixavam exatamente nos critérios do paciente. Foi um ponto de partida útil, mas não perfeito.

As "Falhas" no Sistema

O artigo é honesto sobre as limitações da ferramenta. No feedback aberto, os médicos mencionaram:

Informações Faltantes: Às vezes a IA não conseguia encontrar dados suficientes para escrever um resumo, então tinha que dizer: "Informações insuficientes".
Inexatidões: Ocasionalmente, o resumo incluía detalhes desnecessários ou perdia informações críticas.
Erros de Ensaios: Às vezes a IA sugeria ensaios clínicos para os quais o paciente realmente não se qualificava, exigindo que o médico verificasse novamente.
Registros Externos: O sistema atualmente só olha para registros dentro do Mayo Clinic. Se um paciente tiver registros de um hospital diferente, a IA não consegue vê-los, o que limita sua capacidade de dar uma imagem completa.

A Conclusão: Um Começo Promissor

Os autores concluem que A Dose Diária é um primeiro passo bem-sucedido. Provou que uma ferramenta de IA pode ser incorporada a um fluxo de trabalho real e movimentado de hospital e que os médicos estão dispostos a usá-la.

Funciona: É utilizável e geralmente valorizada.
Ajuda: Melhora a "consciência situacional" (saber o que está acontecendo com um paciente antes de entrar na sala).
Precisa de Ajustes: Ainda não é perfeita. A IA às vezes comete erros ou perde dados.

O Que Vem Por Aí?
Com base neste estudo, a equipe já construiu A Dose Diária 2.0. Esta nova versão é mais inteligente:

Agora pode puxar registros de hospitais externos (corrigindo o problema de "informações faltantes").
Usa um processo de dois passos para economizar dinheiro nos custos de computação.
Possui um sistema totalmente redesenhado para combinar pacientes com ensaios clínicos para torná-lo mais preciso.
Planejam implementá-lo para todos os médicos do Centro de Câncer Abrangente do Mayo Clinic.

Resumo em Uma Frase

O artigo descreve uma nova ferramenta de IA que atua como um assistente de briefing matinal para médicos de câncer, resumindo arquivos de pacientes e sugerindo estudos de pesquisa; enquanto os usuários a acharam útil e fácil de usar, notaram que ainda precisa de refinamento para ser perfeitamente precisa e realmente economizar tempo para todos.

Resumo Técnico: The Daily Dose – Automação de LLM Integrada ao Fluxo de Trabalho para Oncologia Radioterápica

Declaração do Problema
Os fluxos de trabalho em oncologia radioterápica geram vastas quantidades de dados heterogêneos dentro dos Registros Eletrônicos de Saúde (RES), criando uma carga cognitiva significativa para os clínicos, que devem sintetizar essas informações diariamente. O processo manual de acessar múltiplos programas de software para reunir histórico do paciente, planos de tratamento e relatórios diagnósticos contribui para ineficiências e reduz o tempo disponível para interação direta com o paciente. Embora os Modelos de Linguagem de Grande Escala (LLMs) tenham demonstrado potencial para automatizar a síntese de informações, há uma falta de evidências quanto a implementações no mundo real, embutidas no fluxo de trabalho, em escala. Soluções existentes frequentemente permanecem experimentais ou carecem de integração no ritmo operacional diário dos cuidados clínicos.

Metodologia
Os autores desenvolveram e avaliaram "The Daily Dose" (TDD), uma aplicação de nível de produção integrada diretamente ao fluxo de trabalho clínico dos departamentos de Oncologia Radioterápica da Mayo Clinic em três campi (Arizona, Flórida e Minnesota).

Arquitetura do Sistema: O TDD opera como uma aplicação totalmente automatizada, voltada para provedores, executada dentro de um ambiente de computação seguro e em conformidade com o HIPAA. Utiliza o RadOnc-GPT, um agente LLM especializado baseado no GPT-4o (temperatura definida como 0), como seu motor de raciocínio.
Execução do Fluxo de Trabalho: Todas as manhãs às 5:00, horário local, um script coordenador identifica a agenda diária dos médicos participantes. Para cada consulta agendada, o sistema recupera elementos relevantes do RES (diagnóstico, planos de tratamento, relatórios de radiologia/patologia, notas clínicas) e solicita ao RadOnc-GPT que gere conteúdo.
Funções Principais:
1. Resumo Clínico: O sistema sintetiza os dados recuperados em narrativas concisas e conscientes do contexto, descrevendo a condição atual do paciente. Inclui parâmetros específicos da doença (por exemplo, tendências de PSA, escores de Gleason, categorias de risco NCCN) quando relevantes. Se os dados forem insuficientes, gera uma declaração padrão de fallback.
2. Identificação de Ensaios Clínicos: Para visitas novas ou de consulta, o sistema avalia a elegibilidade para ensaios clínicos. Gera pares de palavras-chave condição-intervenção, pesquisa iterativamente na API clinicaltrials.gov (restrita a ensaios abertos e em recrutamento na Mayo Clinic) e avalia critérios de inclusão/exclusão contra os dados do paciente.
3. Entrega: Resumos e correspondências de ensaios são compilados em um único e-mail específico para cada médico, entregue antes do início do dia clínico. O e-mail inclui detalhes da consulta, indicadores visuais (emojis), resumos clínicos e resultados de elegibilidade para ensaios.
Desenho da Avaliação: Uma avaliação de métodos mistos foi conduzida um mês após a implantação. Um questionário estruturado e anônimo foi administrado a todos os profissionais de saúde que receberam o TDD. A pesquisa, adaptada da Escala de Usabilidade do Sistema (SUS) e do Modelo de Aceitação de Tecnologia (TAM), avaliou demografia, padrões de uso, usabilidade, satisfação, utilidade percebida e impacto no fluxo de trabalho. A análise estatística incluiu estatísticas descritivas, alfa de Cronbach para confiabilidade e testes não paramétricos (Spearman, Kruskal-Wallis, Mann-Whitney U) para correlações.

Principais Resultados
O estudo recebeu respostas de 55 participantes (taxa de resposta de 50%), a maioria dos quais eram médicos assistentes (69,1%) em oncologia radioterápica (94,5%).

Adoção e Uso: 83,6% dos respondentes relataram usar o TDD diariamente ou várias vezes por semana.
Usabilidade e Satisfação: O sistema recebeu uma pontuação média de usabilidade e satisfação de 3,89/5. 87% concordaram que a ferramenta era fácil de usar, e 76% acharam que os resumos estavam claramente estruturados.
Utilidade Percebida: A pontuação média para utilidade percebida foi de 3,43/5. 62% concordaram que ajudou a mantê-los atualizados sobre as consultas, e 53% sentiram que melhorou a compreensão dos resumos dos pacientes.
Economia de Tempo: As economias de tempo percebidas foram heterogêneas. 27% dos usuários estimaram economizar ≥10 minutos por dia, enquanto 21,8% relataram nenhuma economia de tempo.
Correlação: Houve uma associação positiva estatisticamente significativa entre a satisfação geral e a economia de tempo percebida ( $p < .001$ ). Usuários que relataram maior economia de tempo demonstraram pontuações de satisfação mais altas.
Confiabilidade: O questionário demonstrou excelente consistência interna, com um alfa de Cronbach geral de 0,97.
Feedback Qualitativo: Os usuários destacaram maior preparação e consciência situacional, particularmente ao cobrir colegas. No entanto, o feedback notou imprecisões ocasionais nos resumos e correspondências imperfeitas de ensaios clínicos, frequentemente devido a registros externos ausentes ou dados insuficientes.

Significado e Alegações
O artigo posiciona o The Daily Dose como uma implementação pioneira na prática de automação impulsionada por LLM implantada em escala dentro de um fluxo de trabalho diário de cuidados oncológicos em múltiplas instituições.

Integração ao Fluxo de Trabalho: Diferentemente de estudos anteriores focados em precisão técnica ou tarefas isoladas, este trabalho demonstra a viabilidade de embutir um agente LLM diretamente na preparação matinal rotineira dos clínicos.
Preparação do Clínico: As descobertas sugerem que tais ferramentas podem melhorar a prontidão e a consciência situacional do clínico em ambientes de cuidados complexos, mesmo que não substituam uniformemente a revisão manual de prontuários.
Escalabilidade e Evolução: Os autores observam que a avaliação inicial serviu como base para The Daily Dose 2.0, que aborda limitações identificadas integrando registros externos, otimizando custos de recuperação de dados e refinando o sistema de correspondência de ensaios clínicos.
Alegações Moderadas: Os autores afirmam explicitamente que a ferramenta é uma intervenção de "fase inicial". Eles reconhecem que a ferramenta funciona como uma ajuda preparatória, e não como um substituto para a tomada de decisão clínica. O valor é enquadrado não na determinação perfeita de elegibilidade, mas no apoio à consideração rotineira de ensaios e do contexto do paciente dentro do planejamento diário. O estudo conclui que, embora as percepções sejam heterogêneas, a ferramenta é amplamente adotada e percebida como valiosa, justificando maior iteração e avaliação objetiva de métricas de fluxo de trabalho.