Elucidativa: usando modelos de linguagem para explicar resultados de exames complementares
Resumo
No Brasil, cerca de dois bilhões de exames são realizados anualmente, muitos dos quais pacientes têm dificuldade em interpretar, podendo levar a perdas de seguimento e desconhecimento de sua saúde. Modelos de linguagem (LLM), como o GPT-4, têm sido explorados para interpretar e explicar exames, promovendo a autonomia do paciente. Este projeto utiliza reconhecimento ótico de caracteres (OCR) com o GPT-4 para extrair e simplificar laudos médicos, tornando as informações mais acessíveis aos pacientes. Embora seja uma prova de conceito, são necessários estudos qualitativos para validar a precisão das explicações e avaliar se os pacientes retêm melhor as informações após receberem os laudos simplificados.Referências
AGÊNCIA NACIONAL DE SAÚDE SUPLEMENTAR. Planos de saúde realizaram 1,8 bilhão de procedimentos em 2022.
CADAMURO, J. et al. Potentials and pitfalls of ChatGPT and natural-language artificial intelligence models for the understanding of laboratory medicine test results. An assessment by the European Federation of Clinical Chemistry and Laboratory Medicine (EFLM) Working Group on Artificial Intelligence (WG-AI). Clinical chemistry and laboratory medicine, v. 61, n. 7, p. 1158–1166, 27 jun. 2023.
CAVALCANTE, G. H. O.; REIS, G. J. DOS. Avaliação do seguimento de lesões precursoras de câncer do colo do útero – uma revisão bibliográfica. Pesquisa e Ensino em Ciências Exatas e da Natureza, v. 5, 25 jul. 2021.
CHOW, J. C. L. et al. Developing an AI-assisted educational chatbot for radiotherapy using the IBM Watson Assistant platform. Healthcare (Basel, Switzerland), v. 11, n. 17, p. 2417, 29 ago. 2023.
MOKMIN, N. A. M.; IBRAHIM, N. A. The evaluation of chatbot as a tool for health literacy education among undergraduate students. Education and information technologies, v. 26, n. 5, p. 6033–6049, set. 2021.
CADAMURO, J. et al. Potentials and pitfalls of ChatGPT and natural-language artificial intelligence models for the understanding of laboratory medicine test results. An assessment by the European Federation of Clinical Chemistry and Laboratory Medicine (EFLM) Working Group on Artificial Intelligence (WG-AI). Clinical chemistry and laboratory medicine, v. 61, n. 7, p. 1158–1166, 27 jun. 2023.
CAVALCANTE, G. H. O.; REIS, G. J. DOS. Avaliação do seguimento de lesões precursoras de câncer do colo do útero – uma revisão bibliográfica. Pesquisa e Ensino em Ciências Exatas e da Natureza, v. 5, 25 jul. 2021.
CHOW, J. C. L. et al. Developing an AI-assisted educational chatbot for radiotherapy using the IBM Watson Assistant platform. Healthcare (Basel, Switzerland), v. 11, n. 17, p. 2417, 29 ago. 2023.
MOKMIN, N. A. M.; IBRAHIM, N. A. The evaluation of chatbot as a tool for health literacy education among undergraduate students. Education and information technologies, v. 26, n. 5, p. 6033–6049, set. 2021.
Publicado
25/06/2024
Como Citar
MACHADO, Luana Cruz; PINHEIRO, Rafael Petri; FURTADO, Felipe Sahb.
Elucidativa: usando modelos de linguagem para explicar resultados de exames complementares. In: FERRAMENTAS E APLICAÇÕES - SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 24. , 2024, Goiânia/GO.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2024
.
p. 121-126.
ISSN 2763-8987.
DOI: https://doi.org/10.5753/sbcas_estendido.2024.1955.
