Resumo Técnico: Kauro, um Chatbot Baseado em Grafos para Transmissão de Informações de Alta Fidelidade

Declaração do Problema

Na pesquisa biomédica e no cuidado clínico, a transmissão de informações críticas — particularmente durante o processo de consentimento informado — é uma atividade de alto risco com profundas consequências éticas, legais e práticas. Os métodos atuais enfrentam limitações significativas:

• Variabilidade e Intensidade de Mão de Obra: As conversas de consentimento tradicionais são intensivas em mão de obra, limitadas pelo horário de trabalho da equipe e propensas à variabilidade na forma como a informação é transmitida entre diferentes locais e representantes.
• Limitações das Ferramentas Digitais Existentes: As plataformas de "eConsent" existentes reproduzem majoritariamente documentos estáticos (PDFs) ou multimídia linear, carecendo de interação conversacional reprodutível ou trilhas de auditoria determinísticas.
• Riscos da IA Generativa: Embora os chatbots generativos (baseados em LLM) ofereçam flexibilidade, eles introduzem estocasticidade, alucinação e riscos regulatórios. Sua natureza probabilística torna difícil garantir que a linguagem aprovada pelo IRB (Conselho de Revisão Institucional) seja preservada ou fornecer trilhas de auditoria verificáveis, que são essenciais para a pesquisa biomédica regulamentada.

Existe uma lacuna crítica para uma solução digital escalável que garanta segurança, precisão e confiança sem sacrificar a reprodutibilidade ou a auditabilidade.

Metodologia

Os autores apresentam o Kauro, um chatbot de código aberto baseado em grafos, projetado para operacionalizar a restrição em vez da flexibilidade. O sistema é construído sobre os seguintes pilares técnicos:

1. Arquitetura Central: Travessia de Grafo Determinística

Ao contrário dos LLMs probabilísticos, o Kauro codifica conversas roteirizadas como estruturas de JSON (JavaScript Object Notation) controladas por versão, que representam um grafo direcionado.

• Estrutura do Nó: Cada nó de conversa contém um identificador único, tipo (bot ou usuário), links de pai/filho, payloads de mensagem e instruções de renderização (ex: botões, campos de texto).
• Determinismo: O mecanismo impõe uma travessia determinística do grafo. Dado o mesmo ponto de partida e entrada, o caminho e a saída são previsíveis e idênticos todas as vezes. Isso elimina a alucinação e garante que os participantes sempre recebam exatamente o conteúdo aprovado pelo IRB.
• Modularidade (Separação de Preocupações): O sistema desacopla três módulos distintos:
  • Cliente: Uma interface baseada em React que renderiza dinamicamente os nós e lida com tipos variados de entrada (formulários, inputs, mensagens informativas).
  • Servidor: Um backend baseado em Django que atua como o mecanismo de execução. Ele valida as solicitações do usuário contra um esquema, mapeia-as para identificadores de nós e resolve deterministicamente o próximo nó.
  • Grafo de Conversa: Objetos JSON portáteis que podem ser controlados por versão, compartilhados e modificados independentemente do mecanismo.

2. Governança e Conformidade

• Controles Humanos: O sistema inclui supervisão humana obrigatória. Humanos projetam ou aprovam todos os nós do grafo. Os participantes podem optar por sair em qualquer nó para falar com um membro da equipe do estudo.
• Gating por Quiz: A progressão através do processo de consentimento é contingente à aprovação em verificações de conhecimento (ex: pontuação de 10/10 em um quiz). A falha aciona um sistema de "teach-back" (reiteração) ou requer intervenção da equipe.
• Registro de Auditoria (Audit Logging): Cada interação é registrada com campos padronizados (ator, node_id, payload, timestamp, graph_version e referência ao IRB). Isso cria uma trilha de auditoria completa e imutável, em conformidade com as expectativas da FDA Parte 11 e da EMA.
• Controle de Versão: Cada sessão de chat é explicitamente vinculada a uma versão específica do grafo e a uma referência de aprovação do IRB, permitindo que os investigadores reconstruam a experiência exata que um participante teve.

3. Detalhes de Implementação

• Design de API: O Kauro utiliza uma API estrita alinhada ao REST com entradas baseadas em esquema e saídas determinísticas, contrastando com muitas APIs públicas que carecem de tratamento consistente de erros ou controle de versão.
• Implantação: Como software de código aberto (licença CC-BY-4.0), o Kauro pode ser implantado em vários ambientes de computação, permitindo que as instituições mantenham o controle sobre seus dados e auditabilidade.
• Validação: O sistema emprega testes de unidade para estruturas de nós e conformidade de esquema, integrados em um pipeline contínuo para garantir que as mudanças não alterem o comportamento de travessia aprovado.

Principais Contribuições

• Reenquadramento da IA na Biomedicina: O Kauro demonstra que a inteligência de máquina para comunicação de alto risco pode ser alcançada através de lógica baseada em grafos determinísticos, em vez de modelos probabilísticos, priorizando a reprodutibilidade e a auditabilidade sobre a novidade conversacional.
• Portabilidade de Código Aberto: Ao contrário de ferramentas comerciais proprietárias, o Kauro foi projetado para portabilidade entre instituições, com uma arquitetura modular que permite a adaptação a diversos contextos de pesquisa sem modificar o mecanismo subjacente.
• Auditabilidade Total: O sistema fornece uma trilha de auditoria completa e rastreável, ligando cada interação do usuário a uma versão específica do roteiro aprovado pelo IRB, abordando uma lacuna em plataformas de eConsent existentes que muitas vezes carecem de registro parcial ou total.
• Fluxo de Trabalho de Consentimento Escalável: Ao automatizar a entrega de informações padronizadas mantendo opções de supervisão humana, o Kauro aborda as restrições de tempo e mão de obra em estudos multicêntricos.

Resultados e Validação

O artigo relata o desenvolvimento e a implementação inicial do Kauro, apoiado por dados de pilotos anteriores e casos de uso específicos:

• Sucesso de Piloto Anterior: Um piloto anterior usando um conceito de chatbot semelhante (em um contexto comercial) mostrou que os participantes completavam as sessões mais rapidamente do que nos fluxos de trabalho tradicionais, alcançavam altas pontuações em verificações de conhecimento e não relatavam eventos adversos.
• Implementação Atual: O Kauro foi implementado para apoiar o Consórcio GREGoR (um grande consórcio de condições raras e mendelianas) na Universidade da Califórnia, Irvine.
  • O sistema foi usado para recrutar participantes para casos de exoma e diagnósticos negativos.
  • A implementação específica incluiu um quiz de 10 questões com requisito de 100% de aprovação e um mecanismo de teach-back para questões erradas.
  • O processo foi aprovado pelo IRB (IRB #4469), incluindo o script baseado em JSON e a capacidade de exportar PDFs para revisão que preservam a espinha dorsal informática (IDs de nó/aresta).
• Validação Técnica: O sistema inclui testes automatizados de integração, regressão e unidade para garantir que atualizações no cliente, servidor ou scripts não alterem o comportamento de travessia aprovado.

Significância e Alegações

O artigo posiciona o Kauro não como um substituto para a interação humana em todos os contextos, mas como uma ferramenta especializada para transmissão de informações de alta fidelidade, onde segurança, precisão e conformidade regulatória são primordiais.

• Segurança por Design: Os autores argumentam que a "restrição" é um recurso, não um erro. Ao limitar a flexibilidade, o Kauro evita o desvio do conteúdo aprovado, garantindo que o "ritual" do consentimento informado permaneça eticamente sólido e juridicamente defensável.
• Alinhamento Regulatório: O sistema é explicitamente projetado para atender aos requisitos regulatórios de trilhas de auditoria e controle de versão (FDA Parte 11, EMA), que muitos sistemas digitais atuais não fornecem de forma robusta.
• Generalizabilidade: Embora inicialmente projetado para o consentimento informado, os autores afirmam que o framework é generalizável para qualquer domínio que exija a transmissão de informações padronizadas e precisas, como ensaios clínicos, registros de doenças e iniciativas de saúde pública.
• Transparência: Ao lançar o código como código aberto e separar as preocupações, o Kauro oferece uma alternativa transparente às soluções comerciais de "caixa preta", permitindo a inspeção independente e a validação por reguladores e instituições.

O artigo conclui que o Kauro redefine o conceito de "inteligência" no consentimento: de flexibilidade generativa para entrega determinística, trilhas de auditoria completas e conformidade verificável em escala.