Clinicians' Rationale for Editing Ambient AI-Drafted Clinical Notes: Persistent Challenges and Implications for Improvement

Este estudo, baseado em entrevistas com 30 clínicos, revela que as edições em rascunhos de notas clínicas gerados por IA ambiental são impulsionadas principalmente pela necessidade de corrigir erros de precisão clínica, mitigar riscos médico-legais e atender a padrões de cobrança, destacando a urgência de melhorias na confiabilidade do modelo, personalização e integração com os registros eletrônicos de saúde.

O essencial

Imagine que você tem um assistente pessoal superinteligente, mas um pouco "ingênuo", que grava todas as suas conversas com seus pacientes e tenta escrever o relatório médico para você. Esse é o IA de Ambiente (Ambient AI). A ideia é ótima: o médico foca no paciente, a IA escreve o rascunho, e pronto, o trabalho está feito, certo?

Bem, não exatamente. Este estudo é como um "relatório de inspeção" feito por 30 médicos que usaram essa tecnologia. Eles descobriram que, embora a IA seja útil, ela ainda precisa de muita ajuda para ficar perfeita. Na verdade, os médicos passam a maior parte do tempo editando o que a IA escreveu.

Vamos usar algumas analogias para entender por que isso acontece e o que os médicos estão pedindo:

1. O Tradutor que Confunde as Vozes (Erros de Transcrição e Identificação)

Pense na IA como um tradutor que está tentando anotar uma conversa em uma sala barulhenta.

• O Problema: Às vezes, a IA não sabe quem está falando. Ela pode achar que a esposa do paciente falou sobre uma cirurgia, e anotar isso como se fosse o paciente. Ou ela pode ouvir mal um nome de remédio (como confundir um remédio de quimioterapia com outro), o que é perigoso.
• A Analogia: É como se você estivesse em uma festa e pedisse a um amigo para anotar o que você disse. Se ele anotar que você disse algo que sua mãe disse, ou escrever "remédio X" quando você disse "remédio Y", você terá que corrigir tudo depois. Os médicos precisam garantir que o "quem disse o quê" esteja 100% correto para evitar erros médicos graves.

2. O Generalista vs. O Especialista (Falta de Precisão Médica)

A IA é como um estudante de medicina muito inteligente, mas que ainda não se especializou.

• O Problema: A IA escreve notas que soam "genéricas", como se fossem feitas por um médico generalista. Mas um neurocirurgião ou um psiquiatra precisa de detalhes muito específicos. A IA pode não entender a "diferença" entre dois sintomas parecidos ou não captar a nuance de uma conversa complexa.
• A Analogia: Imagine que você pede a um assistente para escrever um relatório sobre um jogo de futebol. Ele escreve: "O time jogou bem". Mas um treinador precisa saber: "O lateral direito fez três faltas e o atacante errou dois passes". A IA dá o resumo geral, mas o médico precisa adicionar os detalhes técnicos que definem o tratamento.

3. O Advogado e o Contador (Burocracia e Risco Legal)

Aqui entra a parte chata, mas necessária: a lei e o dinheiro.

• O Problema: Para o médico receber o pagamento do seguro e para se proteger de processos, a nota médica precisa ter palavras específicas e detalhes exatos sobre o que foi discutido. A IA muitas vezes é muito "simplista" ou muito "confiante". Ela pode escrever "o paciente tem câncer" quando o médico só disse "vamos investigar se pode ser câncer".
• A Analogia: É como se a IA fosse um funcionário que escreve um contrato, mas usa linguagem informal e assume que tudo está certo. O médico precisa pegar esse contrato e transformá-lo em um documento jurídico sólido, adicionando cláusulas de proteção ("talvez", "suspeita de", "comprovado por exames") para garantir que ninguém seja processado e que o hospital seja pago corretamente.

4. O Livro de Receitas Desorganizado (Estrutura e Legibilidade)

• O Problema: A IA às vezes escreve blocos gigantes de texto, repetindo coisas ou misturando o que o paciente disse com o que o médico pensou.
• A Analogia: Imagine que a IA escreve uma receita de bolo, mas mistura os ingredientes com as instruções de forno e ainda por cima conta a história da vida do padeiro. O médico precisa reorganizar tudo: "Aqui são os ingredientes (sintomas), aqui é o método (exame) e aqui é o resultado (diagnóstico)".

O Que os Médicos Querem? (A Solução)

Os médicos não querem abandonar a IA; eles querem que ela seja mais inteligente e adaptável. Eles sugerem três coisas principais:

1. Aprender a Falar com a IA: Os médicos estão aprendendo a "falar de forma robótica" durante a consulta. Se o paciente aponta para o braço, o médico diz em voz alta: "Vejo uma erupção no braço direito", para garantir que a IA anote corretamente. É como ensinar um cachorro a sentar: você precisa dar o comando exato.
2. Personalização por Especialidade: A IA deveria ter "modos" diferentes. Um modo para psiquiatras, outro para cirurgiões, outro para pediatras. Não pode ser um modelo único para todos.
3. Integração Total: A IA precisa "ler" o prontuário antigo do paciente. Se o médico já sabe que o paciente tem diabetes há 10 anos, a IA não deveria ter que perguntar de novo ou escrever algo genérico. Ela precisa saber o contexto histórico.

Conclusão Simples

Este estudo diz que a IA de ambiente é uma ferramenta poderosa, mas ainda não é um substituto para o cérebro do médico. Ela é como um rascunho inicial feito por um estagiário muito rápido, mas que precisa ser revisado, corrigido e polido por um profissional experiente.

Para que a IA realmente ajude a reduzir o cansaço dos médicos, as empresas de tecnologia e os hospitais precisam trabalhar juntos para fazer a IA entender melhor a medicina, a lei e a linguagem específica de cada especialidade. Só assim a IA deixará de ser um "trabalho extra" e se tornará uma verdadeira "ajuda".

Resumo técnico

Título: Racional dos Clínicos para Edição de Notas Clínicas Redigidas por IA de Ambiente: Desafios Persistentes e Implicações para Melhoria

1. Problema e Contexto

As ferramentas de documentação por Inteligência Artificial (IA) de ambiente (ambient AI) estão sendo rapidamente adotadas em hospitais e clínicas dos EUA para reduzir a carga de documentação e o burnout dos profissionais de saúde. Essas ferramentas gravam conversas entre pacientes e provedores para gerar um primeiro rascunho da nota clínica, que o médico deve revisar e editar antes de assinar no Prontuário Eletrônico do Paciente (PEP/EHR).

Apesar do potencial de eficiência, estudos anteriores indicam que os clínicos editam frequentemente esses rascunhos. O problema central identificado é que, embora se saiba o que é editado, não se compreende plenamente por que essas edições ocorrem. A falta de compreensão sobre os motivadores das edições (erros de transcrição, riscos legais, requisitos de faturamento, precisão clínica) impede o desenvolvimento de ferramentas de IA mais eficazes e pode comprometer os ganhos de eficiência prometidos, transformando a IA em mais uma fonte de trabalho em vez de uma solução.

2. Metodologia

O estudo utilizou uma abordagem qualitativa baseada em entrevistas semiestruturadas:

• Participantes: 30 clínicos (27 médicos assistentes, 2 enfermeiros praticantes e 1 assistente médico) do University of California, Irvine Health (UCI Health). A amostra incluiu médicos de cuidados primários e especialistas (reumatologia, neurologia, oncologia, etc.).
• Ferramenta Analisada: Todos os participantes utilizavam uma ferramenta comercial de IA de ambiente (Abridge) em atendimentos ambulatoriais.
• Procedimento: As entrevistas ocorreram entre janeiro e fevereiro de 2026. Os participantes foram convidados a descrever suas experiências e a analisar exemplos reais de edições em rascunhos gerados por IA.
• Análise de Dados: Foi realizada uma análise temática usando o software Atlas.ti. Os pesquisadores utilizaram um quadro de codificação a priori baseado em padrões de edição identificados em estudos anteriores, refinando-o iterativamente com dados indutivos. A validade interpretativa foi reforçada através de "member checking" (verificação com participantes).

3. Principais Contribuições

Este estudo é pioneiro ao sistematizar os racionais clínicos, legais e de fluxo de trabalho que motivam as edições dos clínicos. Em vez de apenas catalogar erros, o artigo mapeia as decisões humanas por trás da revisão da IA, identificando alvos práticos para:

• Melhorar a qualidade dos rascunhos da IA.
• Otimizar a integração com o EHR.
• Desenvolver diretrizes de governança e treinamento institucional.

4. Resultados Chave

As edições nos rascunhos da IA foram impulsionadas por quatro categorias principais de intenções e desafios:

A. Correção de Erros Fatos, Transcrição e Atribuição

• Erros de Transcrição: Pequenos erros lexicais (ex: nomes de medicamentos quimioterápicos) ou falta de clareza devido a sotaques e ruído alteram significativamente o significado clínico.
• Atribuição de Falantes: A IA frequentemente atribui sintomas ou históricos a pacientes errados (ex: confundir o histórico de um cônjuge com o do paciente) ou inclui discussões de terceiros (familiares, equipe) no corpo da nota do paciente.

B. Precisão Específica da Especialidade e Completude

• Generalização Excessiva: Os rascunhos tendem a soar genéricos (como de um clínico geral), falhando em capturar o raciocínio diferencial e as prioridades de especialidades específicas (ex: psiquiatria, reumatologia).
• Omissões Críticas: Falha em capturar "negativos pertinentes" (sintomas negados pelo paciente), planos de cuidado avançado ou detalhes de exames físicos que não foram verbalizados explicitamente.
• Estruturação: A IA frequentemente coloca informações na seção errada do prontuário (ex: colocar achados de laboratório na História da Doença Atual - HDA) ou transforma observações em diagnósticos definitivos prematuramente.

C. Requisitos de Faturamento, Conformidade e Segurança Jurídica

• Faturamento: Os clínicos editam para garantir que a nota atenda aos critérios de nível de serviço e complexidade exigidos para o faturamento correto (ex: detalhar o tempo gasto, opções de tratamento discutidas, mas não realizadas).
• Proteção Legal: Há uma necessidade de ajustar a "certeza" do texto. A IA tende a ser definitiva onde o médico é cauteloso. Os clínicos inserem qualificadores (ex: "provável", "suspeito de") para alinhar a documentação com a evidência disponível e reduzir a responsabilidade legal.

D. Padronização Profissional e Eficiência

• Estilo de Escrita: Os rascunhos muitas vezes soam como transcrições literais, com linguagem coloquial e redundante. Os clínicos reescrevem para usar terminologia médica padronizada e um tom profissional.
• Integração com EHR: A falta de integração direta força os médicos a copiar e colar dados, e a IA não consegue acessar o histórico longitudinal do paciente (medicações anteriores, problemas crônicos) para contextualizar a visita atual.

Recomendações dos Clínicos:
Os participantes sugeriram melhorias em três níveis:

1. Modelo Central: Melhorar a precisão da transcrição, atribuição de falantes e uso padrão de linguagem cautelosa (hedging).
2. Personalização: Permitir templates específicos por especialidade e controles de personalização para o estilo de escrita do médico.
3. Integração e Governança: Integração profunda com o EHR para reutilizar contexto histórico e treinamento institucional específico por especialidade, além de diretrizes claras sobre consentimento e auditoria.

5. Significância e Implicações

O estudo conclui que a adoção bem-sucedida da IA de ambiente não depende apenas da tecnologia de reconhecimento de fala, mas da alinhamento entre a saída da IA e o fluxo de trabalho de documentação real.

• Para Desenvolvedores: É necessário evoluir de geradores de resumos genéricos para ferramentas que compreendam nuances de especialidade, contexto legal e estrutura de faturamento.
• Para Instituições: A implementação deve incluir treinamento especializado e governança padronizada, não apenas a distribuição de software.
• Para a Prática Clínica: Os médicos estão desenvolvendo estratégias adaptativas (como verbalizar gestos ou examinar em voz alta) para "ensinar" a IA, o que indica que a tecnologia ainda exige um esforço cognitivo significativo por parte do usuário.

Em suma, para que a IA de ambiente realize sua promessa de reduzir a carga de trabalho, ela deve transitar de uma ferramenta que gera rascunhos que exigem reescrita extensiva para uma que gera esboços clinicamente precisos, juridicamente seguros e prontos para revisão rápida.