Resumo Técnico: Estruturação de Texto Clínico Local com MedGemma Ajustado para Avaliação de Risco de Readmissão

1. Declaração do Problema

Notas clínicas não estruturadas permanecem como um gargalo crítico para a IA de saúde implementável. Embora os modelos de linguagem de grande escala (LLMs) tenham melhorado a compreensão de textos clínicos, seu implante prático enfrenta quatro barreiras principais:

1. Privacidade: A inferência baseada em nuvem exige a transmissão de dados sensíveis de pacientes, o que é frequentemente proibido mesmo em ambientes de pesquisa.
2. Instabilidade de Formato: As saídas de LLMs são não-determinísticas, gerando formatos variados para entradas idênticas, o que quebra pipelines de processamento subsequentes.
3. Acesso à Infraestrutura: Muitas instituições clínicas carecem de acesso a APIs de nuvem ou clusters de GPU de alto desempenho.
4. Auditabilidade: Modelos proprietários de "caixa-preta" complicam a validação clínica.

Além disso, os sistemas de PLN Clínica existentes (ex: cTAKES, MetaMap) são otimizados para detectar conceitos individuais, em vez de converter documentos inteiros em dados estruturados e operacionalmente úteis com um esquema predefinido.

2. Metodologia: MedGemma StructCore

Os autores apresentam o MedGemma StructCore, um pipeline de extração de dois estágios, de prioridade local (local-first), projetado para rodar em hardware de consumo (Apple Silicon, GPUs padrão) sem dependência de nuvem. O sistema converte notas de Registros Eletrônicos de Saúde (EHR) de texto livre em um formato canônico e auditável chamado KVT4 (Cluster|Keyword|Value|Timestamp).

2.1 Arquitetura

O pipeline opera inteiramente offline usando modelos MedGemma 4B (quantizados para GGUF Q5_K_M) via llama.cpp.

• Estágio 1: Sumarização por Raciocínio Guiado por Esquema (SGR)

  • Modelo: MedGemma 4B base (sem LoRA).
  • Mecanismo: Utiliza o Raciocínio Guiado por Esquema para impor um esquema Pydantic rígido, convertendo notas de texto livre em JSON estruturado através de nove clusters clínicos (DEMOGRAPHICS, VITALS, LABS, PROBLEMS, SYMPTOMS, MEDICATIONS, PROCEDURES, UTILIZATION, DISPOSITION).
  • Estratégia: Condensação de entrada via janelas de cabeçalho/cauda + palavras-chave; temperatura de geração definida em 0.0 para determinismo.
  • Papel: O SGR é adotado primariamente como um mecanismo de estabilidade de formato para modelos locais, compensando a redução na contagem de parâmetros (4B) através de orientação explícita de esquema.

• Estágio 2: Projeção KVT4

  • Modelo: MedGemma 4B ajustado com LoRA (Low-Rank Adaptation) em um dataset "hard200" (200 documentos complexos selecionados por deriva de formato).
  • Tarefa: Projeta o resumo em Markdown do Estágio 1 em fatos canônicos KVT4.
  • Contrato de Saída (KVT4): Tuplas estritas de quatro campos delimitadas por pipe: Cluster|Keyword|Value|Timestamp.
    • Clusters Objetivos (VITALS, LABS, UTILIZATION, DISPOSITION): Valores numéricos estritos ou listas permitidas (allowlists).
    • Clusters Semânticos (PROBLEMS, SYMPTOMS, MEDICATIONS, PROCEDURES): Flags baseadas apenas em evidências.
  • Normalização: O pós-processamento determinístico inclui canonicalização de palavras-chave, remoção de unidades, mapeamento de carimbo de data/hora e deduplicação.

• Portão de Integridade de Sinal & Regeneração Híbrida

  • Um portão automatizado detecta a "perda silenciosa de sinal objetivo" entre o Estágio 1 e o Estágio 2 (ex: fatos numéricos presentes no Estágio 1, mas perdidos no Estágio 2).
  • Regeneração Híbrida Offline: Um processo de recuperação determinístico que reanalisa as saídas brutas e suplementa os fatos ausentes a partir do Markdown do Estágio 1 sem chamadas adicionais de LLM. Isso reduziu a perda de sinal objetivo no nível do documento de 15,55% para 8,48% em uma amostra de 4.000 documentos.

• Tarefa Subsequente: Predição de Risco de Readmissão
  O pipeline é validado usando a predição de readmissão não planejada de 30 dias no conjunto de dados MIMIC-IV (N=50.000 hospitalizações; N_test=9.857).

• Braços Experimentais:

  • A4 (Baseline Tabular): Regressão logística sobre características estruturadas de EHR (labs, demografia, utilização).
  • A3factlevel (Proposto): Modelo híbrido combinando características A4 com tokens esparsos de hash ao nível do fato derivados dos fatos KVT4.
  • Fusão Tipada (Exploratória): Um ramo de pós-fechamento que funde probabilidades semânticas tipadas (ex: Insuficiência Cardíaca, Sepse) no preditor.

• Avaliação: Intervalos de confiança de bootstrap de sujeito pareado (K=2.000) são usados para comparar os braços, garantindo que o vazamento de dados por paciente seja evitado.

3. Principais Resultados

3.1 Confiabilidade da Extração

• Validade de Formato: 99,74% das saídas do Estágio 2 conformam-se ao contrato estrito KVT4.
• Validação de Referência Estruturada (LABS): No split de teste completo (N=9.857), o sistema alcançou um micro-F1 de 0,4809 contra referências de tabelas estruturadas. O desempenho variou por palavra-chave (ex: F1 de Sódio=0,837; F1 de Plaquetas=0,201).
• Piloto de Escala: Um piloto substituindo o Estágio 1 pelo GPT-4.1-mini mostrou uma leve melhoria no F1 (0,521 vs. 0,484), mas sugeriu um platô em torno de 0,52, indicando que a limitação pode ser o descompasso entre narrativa-vs-tabela, e não a capacidade do modelo.

3.2 Performance de Predição de Readmissão

• Teto Tabular: O baseline de supervisão total tabular (A4, treinado em N≈35.000) alcançou uma AUROC de 0,685.
• Comparação Justa (Treinamento Pareado): Ao comparar o A3factlevel contra um baseline tabular refit no mesmo conjunto de treinamento reduzido (N_train=1.500):
  • AUROC: A3factlevel (0,659) vs. A4LR (0,656). O aumento (+0,0033) foi pequeno e não confirmado estatisticamente (95% CI: [-0,0048, 0,0107]).
  • AUPRC: O A3factlevel mostrou uma melhoria Verificada (+0,0162; 95% CI: [0,0077, 0,0252]).
  • Brier Score: O A3factlevel mostrou uma melhoria Verificada (-0,0012; 95% CI: [-0,0022, -0,0003]).
• Robustez do Estimador: O XGBoost treinado com as mesmas características não superou a Regressão Logística, confirmando que o conjunto de características favorece modelos lineares e que o baseline não é artificialmente fraco.
• Calibração: O modelo A3factlevel mostrou excesso de confiança em bins de alto risco (Inclinação de Calibração = 0,741), indicando a necessidade de recalibração pré-implantação.

3.3 Eficiência

• Reuso de Cache de KV de Prompt: A implementação de cache de prompt em llama.cpp rendeu um ganho de velocidade de +10,6% na inferência do Estágio 2 com equivalência de saída bit a bit.
• Hardware: O pipeline roda em hardware de consumo (ex: Apple M3 Max, GPUs com 8GB+ de VRAM) sem dependência de nuvem no momento da inferência.

4. Significância e Alegações

O artigo posiciona sua principal contribuição não como um modelo preditivo de estado da arte, mas como uma infraestrutura de estruturação de texto local, confiável e auditável.

• Definição de Confiabilidade: Os autores definem "confiabilidade" como estabilidade do contrato de saída (99,74% de validade de formato) e auditoria de integridade de sinal (detecção e recuperação de perda silenciosa de dados), em vez de alegar uma extração de precisão totalmente validada por cluster.
• Privacidade Local-First: O sistema demonstra que modelos compactos e adaptados ao domínio (4B parâmetros) podem realizar extrações estruturadas complexas em hardware de consumo, eliminando a necessidade de APIs de nuvem e garantindo que os dados do paciente nunca deixem o dispositivo local.
• Alegações Modestas sobre Precisão: Os autores declaram explicitamente que, embora os fatos KVT4 derivados de notas adicionem sinal preditivo útil (melhorias verificadas em AUPRC e Brier), o aumento da AUROC é pequeno e ainda não confirmado. Eles alertam que afirmações mais fortes de qualidade de extração e equidade exigem mais validação, observando que os clusters semânticos (PROBLEMS, SYMPTOMS) atualmente carecem de verdade fundamental quantitativa além de um pequeno conjunto curado.
• Direção Futura: O trabalho estabelece uma base para infraestrutura reutilizável (ex: para sinalização de lacunas de cuidado ou análise de coorte) em vez de uma ferramenta isolada de suporte à decisão clínica. Os autores enfatizam que a recalibração pré-implantação é um pré-requisito para qualquer uso clínico baseado em probabilidade devido à confiança observada.

Em resumo, o MedGemma StructCore fornece um pipeline de estruturação de texto estável em formato e auditável, que consegue transpor com sucesso o hiato entre o texto clínico não estruturado e os dados estruturados em hardware local, oferecendo um caminho viável para IA clínica preservadora de privacidade, ao mesmo tempo em que reconhece as limitações atuais de precisão de extração e calibração.