Evidence-grounded AI for longitudinal clinical management in musculoskeletal care

Resumo Técnico: IA Baseada em Evidências para o Manejo Clínico Longitudinal no Cuidado Musculoesquelético

Declaração do Problema
As doenças musculoesqueléticas representam uma das principais causas de incapacidade global, caracterizadas por processos de recuperação, remodelamento e degeneração que se desenrolam ao longo de meses ou anos. Consequentemente, o cuidado musculoesquelético é fundamentalmente um problema de manejo longitudinal, e não uma série de decisões diagnósticas ou terapêuticas isoladas. O manejo eficaz exige que os médicos integrem continuamente a evidência evolutiva do paciente, o conhecimento médico externo e os objetivos funcionais específicos de cada estágio. No entanto, na prática rotineira, a evidência necessária para essas decisões é frequentemente fragmentada entre consultas, departamentos e sistemas de informações hospitalares díspares. Essa fragmentação interrompe as vias de cuidado contínuo em episódios isolados, limitando o manejo individualizado e baseado em evidências.

Os benchmarks e sistemas de Inteligência Artificial (IA) clínica existentes abordam majoritariamente tarefas delimitadas, como responder a perguntas médicas, conduzir diálogos diagnósticos ou selecionar opções de tratamento em um único ponto no tempo. Esses sistemas frequentemente falham em manter um raciocínio consistente e rastreável através de sucessivos pontos de decisão clínica, têm dificuldade em adquirir informações ausentes em fluxos de trabalho realistas e carecem da capacidade de ancorar recomendações em fatos reais do paciente e em evidências externas simultaneamente.

Metodologia: O Sistema OrthoPilot
Para abordar essas limitações, os autores apresentam o OrthoPilot, um agente de IA clínica implantável em hospitais, projetado para o manejo longitudinal baseado em evidências. O sistema é construído sobre uma coorte longitudinal de 21 anos com 183.472 pacientes de um hospital acadêmico terciário de alto volume na Ásia.

• Núcleo Central (CHEESE): No centro do sistema está o Clinical Holistic Evidence-to-Execution Synthesis Engine (CHEESE), um Large Language Model (LLM) leve de 32 bilhões de parâmetros. O CHEESE é especializado em raciocínio de via completa e treinado via aprendizado por reforço em trajetórias de cuidado de especialistas envolvendo tarefas de tomada de decisão sequencial.
• Arquitetura de Evidência Dupla (Tool Plaza): O OrthoPilot opera em um paradigma de "evidência dupla", ligando dois mundos distintos:
  1. Mundo de Informações Intra-hospitalares: Recupera e organiza evidências multimodais específicas do paciente (raio-X, TC, RM, resultados laboratoriais, relatórios de patologia, ordens médicas e registros de consulta) de sistemas de informações hospitalares reais.
  2. Mundo do Conhecimento Externo: Consulta diretrizes, literatura do PubMed, grafos de conhecimento biomédico, livros didáticos e recursos da web em tempo real para fundamentar as recomendações em evidências médicas rastreáveis e atualizadas.
• Arquitetura de Agentes: O sistema emprega uma estrutura multi-agente hierárquica. Um agente principal impulsionado pelo CHEESE define estratégias de raciocínio, detecta evidências ausentes e decompõe questões complexas de manejo em subtarefas de recuperação focadas. Subagentes especializados executam essas tarefas nos dois mundos de evidência, retornando achados estruturados que o agente principal sintetiza em recomendações clínicas fundamentadas em evidências. Isso permite que o sistema guie a via de cuidado, adquira a evidência chave em cada ponto de decisão e preserve a consistência do raciocínio ao longo da linha do tempo clínica.

Estrutura de Benchmarking e Avaliação
Os autores desenvolveram o OrthoBench, o primeiro benchmark de nível clínico para tomada de decisão ao longo do continuum de cuidado musculoesquelético.

• Escopo: Derivado de 5.905 pacientes reais, o OrthoBench abrange 1.000 códigos de doenças e cobre 11 tarefas organizadas ao longo da linha do tempo clínica: quatro tarefas de raciocínio diagnóstico (Admissão, Pré-operatório, Intraoperatório e Diagnóstico de Alta) e sete tarefas de manejo clínico (Avaliação perioperatória, Planejamento cirúrgico, Ordens, Sumário de alta, Planejamento de reabilitação e Consulta multidisciplinar).
• Estratificação: O benchmark inclui doenças de distribuição interna (ID) e de distribuição externa (OOD), bem como condições raras e não raras, para testar a generalização.
• Métrica de Avaliação (ORACLE): Para avaliar tarefas de manejo clínico de resposta aberta, os autores introduziram o Open Response Assessment for Clinical Language Evaluation (ORACLE). Diferente das métricas baseadas em sobreposição lexical, o ORACLE decompõe planos clínicos em elementos de decisão definidos por médicos e pontua a cobertura de evidências clinicamente significativas contra rubricas definidas por médicos.

Principais Resultados
O estudo conduziu avaliações retrospectivas e prospectivas abrangentes:

1. Desempenho de Benchmark Retrospectivo:

   • O OrthoPilot superou significativamente 22 sistemas de base, incluindo LLMs de raciocínio, LLMs de propósito geral, LLMs específicos do domínio médico e baselines de agentes.
   • No OrthoBench, o OrthoPilot alcançou 81,95% em tarefas diagnósticas de resposta fechada e 85,13% em tarefas de manejo de resposta aberta, superando o próximo melhor baseline (CHEESE) em aproximadamente 20% e 14%, respectivamente.
   • Em validação externa em 60 centros clínicos (6.796 casos), o OrthoPilot manteve sua vantagem, superando baselines de código aberto implantáveis localmente em 57–59 centros para tarefas diagnósticas e 50–57 centros para tarefas de manejo.

2. Estudo de Leitor (Comparação com Médicos):

   • Em um estudo envolvendo 81 médicos ortopédicos (estratificados por experiência) e 307 pacientes, o OrthoPilot sozinho alcançou uma pontuação média geral de 80,0%, excedendo Especialistas (65,4%), Especialistas de área (59,5%) e Residentes (56,2%).
   • Quando utilizado como assistente, o OrthoPilot melhorou o desempenho médico em todos os níveis de experiência, reduzindo a lacuna de desempenho entre médicos juniores e seniores. Residentes assistidos por IA superaram Especialistas não assistidos em 7,3%.

3. Estudo Cruzado Prospectivo:

   • Em um estudo de 1.870 casos complexos, a assistência do OrthoPilot aumentou o sucesso do manejo de cadeia completa de 16,6% para 27,2%.
   • A precisão diagnóstica melhorou significativamente, particularmente para o diagnóstico de admissão (subindo de 65,7% para 77,8%), com as melhorias mais marcantes observadas em médicos juniores.
   • A qualidade do planejamento cirúrgico, avaliada por um comitê de especialistas cegos, deslocou-se para categorias de maior qualidade, com a proporção de planos de alta qualidade aumentando de 25,0% para 34,0%.

4. Implantação Aleatória Prospectiva:

   • Em uma implantação aleatória de 8 meses envolvendo 8.240 pacientes internados, o OrthoPilot foi incorporado ao cuidado hospitalar rotineiro.
   • Eficiência: O sistema aumentou os casos cumulativos por leito em 9,7% e reduziu significativamente o tempo médio de permanência (ALOS).
   • Carga de Trabalho: Reduziu a carga cognitiva do médico (demanda mental, esforço, frustração) e o tempo de documentação da enfermagem.
   • Experiência do Paciente: O acesso dos pacientes à informação de saúde, a qualidade da comunicação e a satisfação geral melhoraram significativamente.

Significância e Alegações
O artigo afirma que o OrthoPilot estabelece um novo paradigma para a IA clínica, movendo-se de modelos que preveem eventos isolados para sistemas que executam o manejo longitudinal através de vias de cuidado completas. Os autores argumentam que o sucesso do sistema decorre de sua capacidade de acoplar um núcleo de raciocínio clinicamente especializado ao uso de ferramentas hierárquicas, permitindo que ele adquira evidências ausentes e as integre nas decisões de manejo dinamicamente.

As principais contribuições destacadas incluem:

• A demonstração de que o raciocínio sequencial baseado em evidências pode traduzir ganhos retrospectivos em fluxos de trabalho clínicos rotineiros.
• A validação de que tais sistemas podem melhorar a robustez da tomada de decisão, reduzir a variação dependente da experiência entre médicos e aumentar a eficiência do sistema sem comprometer os aspectos de cuidado centrados no ser humano.
• A introdução do OrthoBench e do ORACLE como frameworks necessários para avaliar o manejo clínico de via completa, indo além das métricas de desempenho de um único ponto no tempo.

Os autores concluem que, embora o sistema não tenha o propósito de armazenar todo o conhecimento médico em seus parâmetros, seu objetivo é adquirir a evidência relevante em tempo de execução e traduzi-la em próximos passos específicos para o paciente sob revisão do clínico, oferecendo um princípio de design governado para a IA no cuidado longitudinal.