Randomized Trial Protocol: Epic Generative AI Chart Summarization Tool to Reduce Ambulatory Provider Cognitive Task Load

Este protocolo descreve um ensaio clínico randomizado que visa avaliar se uma ferramenta de resumo de prontuários baseada em inteligência artificial generativa integrada ao sistema Epic reduz a carga cognitiva e o burnout de provedores ambulatoriais em comparação com o cuidado usual.

O essencial

Imagine que você é um médico. Antes de atender um paciente, você precisa ler o histórico médico dessa pessoa: notas de consultas passadas, resultados de exames, resumos de internações. É como tentar montar um quebra-cabeça gigante antes de cada conversa. Isso consome muito tempo, cansa a mente e faz com que muitos médicos sintam que trabalham mais horas do que deveriam, muitas vezes até depois do expediente (o famoso "tempo de pijama").

Para tentar resolver isso, a empresa Epic (que cria o software usado na maioria dos hospitais dos EUA) criou uma nova ferramenta com Inteligência Artificial (IA). Pense nessa IA como um bibliotecário super-rápido e inteligente. Em vez de o médico ter que vasculhar centenas de páginas de documentos, a IA lê tudo e entrega um "resumo do dia" em segundos, dizendo: "Aqui estão os pontos principais que você precisa saber sobre este paciente".

Mas será que essa ferramenta realmente ajuda? Ou será que ela cria mais confusão? É exatamente isso que este estudo quer descobrir.

O que é este estudo?

Os pesquisadores da UCLA (uma grande universidade na Califórnia) estão fazendo um experimento controlado. Eles vão pegar 284 médicos e dividí-los em dois grupos, como se fosse um sorteio de loteria:

1. O Grupo da IA: Estes médicos receberão acesso ao "bibliotecário inteligente" (a ferramenta de resumo) por 3 meses. Eles podem usá-lo quando quiserem para preparar suas consultas.
2. O Grupo de Controle: Estes médicos continuarão fazendo o trabalho da maneira antiga, lendo os documentos manualmente, sem a ajuda da IA.

O que eles estão medindo?

O objetivo principal não é apenas ver se a IA é "legal", mas sim se ela reduz o cansaço mental do médico.

• A Carga Mental (O "Peso na Mochila"): Eles usam uma pergunta simples: "Quão pesado é o seu trabalho mental antes de atender o paciente?". Se a IA funcionar, a mochila fica mais leve.
• O Tempo: Eles vão medir, através do computador do hospital, quanto tempo o médico gasta realmente lendo o prontuário.
• A Felicidade e o Estresse: Eles vão perguntar aos médicos se eles se sentem mais realizados, menos estressados e se gostam da ferramenta.
• A Segurança: É crucial saber se a IA inventa coisas (o que chamamos de "alucinação" em IA) ou se deixa informações importantes de fora. Eles vão monitorar se há erros perigosos.

Por que isso é importante?

Hoje em dia, muitos hospitais estão comprando essas ferramentas de IA esperando que elas salvem o dia. Mas, até agora, ninguém fez um teste rigoroso para provar se elas realmente funcionam na vida real ou se são apenas uma moda passageira.

Este estudo é como um teste de colisão para a tecnologia médica. Eles querem saber:

• A IA economiza tempo de verdade?
• Ela deixa os médicos menos cansados?
• Ela é segura para os pacientes?

O que pode dar errado? (As Limitações)

Os autores são honestos sobre os problemas do teste:

• Não é cego: Os médicos sabem se estão usando a IA ou não. Isso pode fazer com que eles se sintam diferentes apenas por saberem que estão no "grupo especial".
• Tempo curto: 3 meses é pouco tempo para ver se a ferramenta vira um hábito ou se o médico se cansa dela.
• Um só lugar: O teste é feito apenas em um sistema de saúde (UCLA). O que funciona lá pode não funcionar em um pequeno posto de saúde em outro lugar.

A Conclusão (O que esperar)

Se o estudo der certo, isso pode mudar a forma como os hospitais compram tecnologia. Se a IA realmente tirar o peso das costas dos médicos, eles poderão dedicar mais tempo para olhar nos olhos dos pacientes e menos tempo para digitar e ler. Se não funcionar, o estudo vai alertar o mundo para não gastar dinheiro com ferramentas que não resolvem o problema real do cansaço médico.

Em resumo: é uma aposta para ver se a tecnologia pode ser a ajudante perfeita que os médicos precisam, e não apenas mais uma tarefa para fazer.

Resumo técnico

Título do Estudo

Protocolo de Ensaio Randomizado: Ferramenta de Resumo de Prontuários com IA Generativa da Epic para Reduzir a Carga Cognitiva de Fornecedores Ambulatoriais

---

1. O Problema

A documentação em Prontuários Eletrônicos de Saúde (EHR) e a revisão de prontuários contribuem significativamente para a carga de trabalho dos clínicos e para o burnout (esgotamento profissional).

• Contexto: No atendimento ambulatorial, os provedores realizam o "pré-mapeamento" (pre-charting), um processo demorado de revisar múltiplos aspectos do histórico do paciente (notas recentes, resultados de laboratórios, etc.) antes da consulta.
• Impacto: Esse tempo excessivo interage com o EHR, muitas vezes estendendo-se para fora do horário de trabalho ("tempo de pijama"), levando a erros médicos, escassez de força de trabalho e custos excessivos.
• Solução Proposta: A Epic Systems lançou uma ferramenta de resumo de prontuários baseada em IA Generativa (genAI) para automatizar essa revisão. Embora amplamente adotada, sua eficácia real, segurança e impacto na carga cognitiva ainda não foram rigorosamente avaliados em ensaios controlados randomizados (ECRs).

2. Metodologia

O estudo é um Ensaio Controlado Randomizado (ECR) pragmático de dois braços, conduzido em um único centro (UCLA Health).

• Desenho: Paralelo, com alocação 1:1 para o grupo de intervenção versus cuidado usual (controle) por um período de 90 dias.
• Participantes: 284 provedores ambulatoriais (médicos e profissionais de saúde avançados) de múltiplas especialidades, com pelo meio período de clínica por semana. Excluem-se residentes, fellows e psicólogos.
• Intervenção:
  • O grupo de intervenção recebe acesso à ferramenta nativa da Epic que gera resumos automáticos de notas clínicas históricas (limitado a 24.000 caracteres ou 30 notas).
  • A ferramenta é opcional, não oferece suporte à decisão clínica (apenas resumo) e gera resumos focados ou gerais.
  • Os resumos são gerados em lote 36 horas antes da consulta ou sob demanda para consultas do mesmo dia.
  • Controle: O grupo controle continua com o fluxo de trabalho de revisão de prontuário habitual, sem acesso à ferramenta de resumo.
• Randomização: Estratificada pela posse de licença de "scribe" (transcritor) de IA ativa, com restrição de covariáveis para equilibrar a carga de trabalho basal e o tempo de revisão de prontuário.
• Resultados Primários:
  • Mudança na Carga de Tarefa do Médico (PTL): Adaptada do NASA-TLX (Índice de Carga de Tarefa), focada especificamente na tarefa de pré-mapeamento. Mede demanda mental, temporal, física e esforço (escala 0-400).
• Resultados Exploratórios:
  • Métricas Objetivas: Tempo gasto na revisão de prontuários (via Caboodle e Signal da Epic), incluindo tempo fora do horário agendado.
  • Bem-estar: Índice de Realização Profissional (PFI) para medir burnout e realização.
  • Usabilidade e Satisfação: Escala de Usabilidade do Sistema (SUS) e satisfação do provedor.
  • Segurança: Relatos de erros clínicos, alucinações da IA e feedback de segurança.
  • Experiência do Paciente: Métricas do CG-CAHPS (percepção do paciente sobre o conhecimento do médico sobre seu histórico).
• Análise Estatística: Modelos lineares mistos para estimar efeitos da intervenção, ajustando para características do provedor e medidas basais. Análise por intenção de tratar (ITT).

3. Contribuições Chave

• Primeiro ECR Rigoroso: É, até onde se sabe, o primeiro ensaio controlado randomizado que avalia o impacto de uma ferramenta de resumo de notas de IA generativa desenvolvida nativamente por um fornecedor de EHR (Epic) em um fluxo de trabalho clínico real.
• Foco em Carga Cognitiva: Utiliza uma medida validada e adaptada (PTL) especificamente para a tarefa de pré-mapeamento, indo além de métricas puramente temporais.
• Abordagem Multidimensional: Combina dados subjetivos (surveys de burnout, satisfação) com dados objetivos derivados do EHR (tempo de uso, RVUs) e métricas de segurança.
• Análise de Modificadores de Efeito: Explora como a literacia em IA, especialidade, complexidade do painel de pacientes e acesso a outras ferramentas de IA (como scribes de ambiente) influenciam a adoção e o impacto da ferramenta.

4. Resultados Esperados e Status Atual

• Status: Este documento é um protocolo de estudo (versão v1.0, fevereiro de 2026). O estudo foi registrado no ClinicalTrials.gov em 20 de fevereiro de 2026 e está pendente de revisão no momento da submissão.
• Resultados: Como se trata de um protocolo, nenhum resultado empírico final foi apresentado. O objetivo do documento é descrever a metodologia para avaliar se a ferramenta reduz a carga de tarefa cognitiva e o burnout, além de gerar dados para decisões de negócios da UCLA Health.
• Hipótese: Espera-se que o grupo de intervenção apresente redução significativa na carga de tarefa cognitiva e no tempo de pré-mapeamento em comparação ao controle, sem aumento de erros de segurança.

5. Significância e Limitações

• Significância:

  • Tomada de Decisão Baseada em Dados: Fornecerá evidências de alto nível para que sistemas de saúde decidam sobre a implementação em larga escala de ferramentas de IA generativa.
  • Segurança e Eficiência: Preenche uma lacuna crítica de conhecimento sobre a segurança (risco de alucinações) e a utilidade real da IA generativa em fluxos de trabalho clínicos, antes que a adoção se torne ubíqua sem validação.
  • Bem-estar do Provedor: Potencialmente oferece uma solução escalável para mitigar o burnout relacionado à documentação.

• Limitações do Estudo:

  • Viés de Desempenho: O estudo não é cego (os participantes sabem se estão usando a ferramenta), o que pode influenciar os resultados autorrelatados.
  • Generalização: Realizado em um único sistema de saúde acadêmico (UCLA) com um único EHR (Epic), o que pode limitar a aplicabilidade a outros contextos ou plataformas.
  • Duração: O período de 3 meses pode ser curto para capturar efeitos de longo prazo ou a curva completa de aprendizado/adaptação.
  • Uso Opcional: Como o uso da ferramenta é opcional, a adesão variável pode atenuar os efeitos observados no grupo de intervenção.

Em resumo, este protocolo estabelece um marco metodológico rigoroso para validar a promessa da IA generativa na saúde, focando especificamente na redução da carga cognitiva dos médicos durante a preparação para consultas ambulatoriais.