A Systematic Literature Review of Large Language Models in Clinical Triage from Risk Stratification to Human Escalation
Esta revisão sistemática e bibliométrica sintetiza 89 estudos publicados entre 2022 e 2026 para analisar a aplicação de Modelos de Linguagem de Grande Escala na triagem clínica, avaliando suas estratégias de adaptação, mecanismos de segurança e métricas de desempenho, ao mesmo tempo em que propõe um novo framework de 5 dimensões para guiar sua tradução segura para ambientes de cuidados de emergência.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Todos os dias, as salas de emergência enfrentam uma maré implacável de pessoas em busca de cuidados. Algumas chegam com arranhões menores, enquanto outras estão lutando por suas vidas. O trabalho crítico de classificar esses pacientes, conhecido como triagem, recai sobre enfermeiros e médicos que devem decidir instantaneamente quem precisa de atenção imediata e quem pode esperar. Esse processo baseia-se em escalas padronizadas que atribuem um nível de urgência, desde os casos mais críticos que exigem ressuscitação até aqueles que não são urgentes. No entanto, à medida que os hospitais se tornam mais lotados e o volume de admissões de saúde digital cresce, a pressão sobre esses guardiões humanos se intensifica. Nos últimos anos, um novo tipo de inteligência artificial surgiu, capaz de ler e compreender a linguagem humana com uma fluência notável. Esses sistemas, conhecidos como modelos de linguagem de grande escala, podem interpretar histórias complexas sobre sintomas e sugerir orientações médicas. Mas, embora ofereçam uma ferramenta potencial para ajudar a gerenciar o fluxo de pacientes, eles também carregam riscos significativos. Se tal máquina interpretar mal uma situação, as consequências podem ser graves, variando de atrasos desnecessários para pacientes críticos ao sobrecarregamento de recursos de emergência com aqueles que não precisam deles.
Uma equipe de pesquisadores de instituições dos Estados Unidos, Índia e Europa partiu para entender exatamente como esses sistemas de inteligência artificial estão sendo testados para esse papel de alto risco. Eles realizaram uma revisão massiva de noventa estudos científicos publicados entre 2022 e 2026. O objetivo deles não era apenas ver se a tecnologia funciona, mas examinar como ela é construída, como é testada e se é segura o suficiente para ser usada em um hospital real. Os pesquisadores descobriram que, embora esses programas de computador estejam se tornando cada vez mais comuns em pesquisas, eles ainda não estão prontos para tomar decisões de vida ou morte por conta própria. Os estudos que analisaram revelaram um cenário onde a tecnologia está melhorando rapidamente, mas ainda luta com os erros mais perigosos: perder um paciente que está em estado crítico.
A revisão começou reunindo todos os estudos disponíveis que analisavam o uso desses sistemas baseados em linguagem para a classificação de pacientes. Os pesquisadores filtraram centenas de registros, estabelecendo-se finalmente em noventa estudos primários que atendiam a critérios rigorosos. Eles descobriram que quase metade desses estudos focava em departamentos de emergência, onde a necessidade de velocidade é maior. Outra parte significativa analisava clínicas ambulatoriais e serviços de emergência pré-hospitalares. Os pesquisadores notaram uma tendência clara na forma como esses sistemas estavam sendo desenvolvidos. Nos estudos iniciais, os cientistas simplesmente pediam ao computador para responder perguntas sem nenhum treinamento especial, um método conhecido como prompting de disparo zero (zero-shot prompting). No entanto, com o passar do tempo, os pesquisadores começaram a usar técnicas mais sofisticadas. Eles passaram a alimentar os sistemas com diretrizes médicas específicas ou a conectá-los a bancos de dados de regras hospitalares para ajudá-los a tomar melhores decisões. Algumas equipes até construíram sistemas onde múltiplos agentes de computador trabalhavam juntos, com um agente propondo um diagnóstico e outro atuando como um crítico para verificar erros.
Apesar desses avanços técnicos, os dados de desempenho contaram uma história complexa. Quando testados contra escalas médicas padrão, os sistemas de inteligência artificial frequentemente alcançavam uma alta precisão geral, categorizando corretamente os pacientes em cerca de oitenta por cento dos casos. No entanto, os pesquisadores enfatizaram que uma pontuação média alta esconde uma falha perigosa. No mundo da medicina de emergência, nem todos os erros são iguais. Um sistema que superestima a gravidade de uma lesão menor simplesmente envia um paciente para a frente da fila, causando um atraso para outros, mas raramente causando danos. Em contraste, um sistema que subestima a gravidade de uma condição crítica envia um paciente moribundo para o fim da fila, potencialmente levando à morte. A revisão descobriu que, embora os sistemas fossem geralmente bons em identificar problemas menores, eles falhavam frequentemente em detectar os casos mais urgentes. Em alguns estudos, a taxa de perda de pacientes críticos foi de até vinte e cinco por cento. Um estudo específico destacou que os sistemas perderam um número significativo de casos envolvendo crianças com objetos presos em suas vias aéreas, uma emergência de vida ou morte que requer ação imediata.
Os pesquisadores também examinaram como esses sistemas lidam com a incerteza. Um médico humano sabe quando está em dúvida e buscará ajuda ou realizará mais testes. Os programas de computador, no entanto, muitas vezes não sabem quando estão apenas supondo. A revisão descobriu que, em quase setenta por cento dos estudos, os pesquisadores não incluíram nenhum mecanismo para medir o quão confiante o sistema estava em sua resposta. Sem essa verificação de segurança, um computador pode dar uma resposta errada com absoluta certeza, o que é muito mais perigoso do que uma resposta hesitante. Além disso, muitos dos estudos basearam-se em dados que já estavam registrados em prontuários hospitalares ou criados por cientistas em ambiente de laboratório. Esses registros estáticos não capturam a realidade caótica de uma sala de emergência movimentada, onde a condição de um paciente pode mudar minuto a minuto, ou onde um familiar pode descrever sintomas de forma confusa ou emocional.
Para abordar esses perigos, os autores propuseram uma nova estrutura de como esses sistemas devem ser construídos e testados antes de serem usados em pessoas reais. Eles argumentaram que um computador nunca deve ser a primeira linha de defesa para as emergências mais críticas. Em vez disso, sugeriram uma abordagem em camadas. A primeira camada deve ser um conjunto de regras simples e imutáveis que identifique instantaneamente palavras-chave específicas como "dor no peito" ou "dificuldade para respirar" e direcione esses pacientes diretamente para um médico humano, ignorando completamente o modelo de linguagem complexo. A segunda camada envolveria o próprio modelo de linguagem, mas apenas se for constantemente verificado contra diretrizes médicas e se for programado para admitir quando não estiver seguro. Se o sistema não estiver confiante, ele deve parar e pedir ajuda a um humano. A camada final é o médico humano, que deve sempre ter a palavra final. A revisão concluiu que, embora essas ferramentas tenham promessa para ajudar os médicos a gerenciar sua carga de trabalho, elas ainda não estão prontas para substituir o julgamento humano. A tecnologia avança rápido, mas as medidas de segurança necessárias para confiar nela com vidas humanas ainda estão sendo construídas. Até que essas salvaguardas estejam implementadas, o papel desses sistemas deve permanecer o de um assistente de suporte, nunca de um tomador de decisão autônomo.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.