O formulário foi enviado com sucesso.
Encontrará mais informações na sua caixa de correio.
Contrate-nosSelecionar a língua
Sobre nósServiçosTecnologiasIndústriasCarteira
Já participei em reuniões suficientes sobre cuidados de saúde IT para perceber um padrão. Todas as conversas sobre a redução do esgotamento dos profissionais de saúde acabam por voltar à questão da digitação. Os médicos não estudaram durante anos para se tornarem operadores de introdução de dados, mas, mesmo assim, uma parte considerável do seu dia de trabalho é dedicada precisamente a isso.
O reconhecimento de voz na área da saúde é uma das poucas tecnologias que aborda este problema de frente, permitindo que os profissionais de saúde falem em vez de escreverem. Este artigo explica em que consiste esta tecnologia, como funciona do início ao fim, onde já está a dar frutos e o que é necessário para passar de uma demonstração apelativa para um sistema em que os médicos confiem para tratar doentes reais.
O software de reconhecimento de voz para o setor médico capta a linguagem falada — quer se trate de um profissional de saúde a ditar uma nota ou de um doente a descrever sintomas durante uma chamada — e transforma-a em dados estruturados e úteis no âmbito de um fluxo de trabalho clínico. Parece simples, até nos apercebermos da quantidade de termos que se sobrepõem e que são utilizados para designar a mesma ideia. Eis em que diferem:
Para além da linguagem de marketing, a maioria dos sistemas de voz na área da saúde segue o mesmo fluxo de trabalho, quer se trate de uma simples aplicação de ditado ou de um sistema de transcrição ambiental à escala de todo o hospital. É mais ou menos assim:
Os fornecedores adoram dar a cada pequena variação do “software que escuta” um nome apelativo, o que faz com que escolher um pareça pedir café num sítio com quarenta opções de xaropes, quando tudo o que se queria era algo quente e com cafeína. No entanto, se ignorarmos as marcas, as ferramentas de voz na área da saúde apresentam-se em apenas algumas variantes, cada uma concebida para um momento diferente do dia a dia de um profissional de saúde.
A configuração clássica. Um profissional de saúde dita diretamente para um microfone ou gravador portátil, e o software converte a fala em texto em tempo real ou posteriormente, para revisão e assinatura.
Também conhecidos como «escribas de IA», estes sistemas ouvem passivamente a consulta do doente e geram posteriormente um relatório estruturado, sem que o médico tenha de ditar nada propositadamente.
Sistemas conversacionais que vão além da tomada de notas. Podem responder a perguntas dos profissionais de saúde, extrair dados dos registos clínicos ou tratar de tarefas relacionadas com os doentes, como chamadas de admissão e de acompanhamento.
Comandos sem uso das mãos para a navegação no registo de saúde eletrónico (EHR), sistemas de imagiologia ou equipamento cirúrgico, permitindo que o pessoal mantenha as mãos esterilizadas ou livres enquanto trabalha.
Uma categoria mais recente que analisa padrões vocais, tom, pausas e tremor, com vista a identificar indicadores precoces de doenças como a doença de Parkinson, a depressão ou o declínio cognitivo.
Pergunte a um fornecedor como é que o reconhecimento de voz é utilizado no setor da saúde e receberá uma apresentação com cerca de trinta pontos-chave, a maioria dos quais se resume a “tornámos a digitação opcional”. Sinceramente, é justo. A digitação opcional é subestimada. Eis como isso se traduz num contexto clínico real, para além da tomada de notas que todos já dão por garantida.
O caso de utilização mais significativo e mais consolidado. Seja através do ditado ou da transcrição automática, é assim que a tecnologia de reconhecimento de voz no setor da saúde gera a maior parte do seu retorno sobre o investimento (ROI), ao reduzir o tempo que os profissionais de saúde dedicam à elaboração de notas fora do horário de trabalho.
Os comandos de voz permitem que os profissionais de saúde acedam aos registos médicos dos doentes, introduzam prescrições ou pesquisem registos sem tocar no teclado, o que é mais importante do que parece num ambiente esterilizado ou em que se usam luvas.
Os bots de voz tratam das chamadas de rotina relacionadas com a marcação de horários, recolhem informações de registo e confirmam consultas, libertando assim o pessoal da receção para conversas mais complexas.
A tecnologia de voz no setor da saúde permite a transcrição em tempo real durante as consultas por vídeo e o registo de pacientes à distância através da voz, uma área em que trabalhamos diretamente através de desenvolvimento de aplicações de telessaúde.
Os investigadores utilizam ferramentas de voz para transcrever entrevistas com doentes, registar relatórios de eventos adversos e acelerar o preenchimento dos formulários de relato de casos durante os ensaios clínicos.
As interfaces de voz proporcionam aos profissionais de saúde com limitações de mobilidade, ou a qualquer pessoa que tenha as mãos ocupadas, uma forma de interagir com os sistemas clínicos sem recorrer a um teclado ou rato.
Para além da documentação, alguns sistemas analisam a própria voz como dados clínicos, identificando problemas respiratórios, fadiga ou sintomas neurológicos a partir dos padrões de fala.
Cada peça de software de cuidados de saúde é comercializado com as mesmas três promessas: vai poupar tempo, melhorar os resultados e tornar toda a gente mais feliz. Na maioria das vezes, trata-se de marketing otimista disfarçado de ciência. O reconhecimento de voz é um dos casos em que os benefícios da tecnologia de reconhecimento de voz na área da saúde se confirmam quando se olha para além do discurso de vendas, e esses benefícios são interpretados de forma diferente consoante a quem se perguntar.
A principal vantagem é o tempo reduzido dedicado à elaboração de notas após um turno. Um estudo realizado pelo Mass General Brigham e pela Universidade da Califórnia constatou que os médicos que utilizavam assistentes de documentação baseados em IA registaram uma redução de cerca de 10% no tempo diário dedicado à documentação.
Quando um profissional de saúde não está a olhar para um ecrã a escrever, está a olhar para o doente. Só isso já muda a sensação que a consulta transmite, e isso tende a refletir-se nos índices de satisfação dos doentes sempre que se adota a documentação em tempo real.
Uma documentação mais rápida traduz-se em ciclos de faturação mais rápidos, menos sessões de preenchimento de registos fora do horário de expediente e uma oportunidade real de reduzir a rotatividade dos profissionais de saúde, que representa uma despesa muito mais significativa do que a maioria dos orçamentos destinados a software.
Uma ferramenta de voz que transcreve na perfeição, mas que depois fica ali parada, desligada de tudo o resto, é basicamente um bloco de notas caro com uma caligrafia melhor do que a da maioria dos médicos. O verdadeiro valor só se revela quando estiver integrada nos sistemas com os quais os profissionais de saúde já trabalham, o que normalmente significa:
Nos bastidores, este sistema funciona com base em APIs e normas de dados na área da saúde, como o HL7 V2 e o FHIR, além de um mapeamento cuidadoso dos dados, para que um termo transcrito seja colocado no campo estruturado correto. A gestão de identidades controla quem pode iniciar ou aprovar uma entrada gerada por voz, e nada deve ser incluído no registo permanente sem a aprovação prévia de um profissional de saúde.
Agora, a parte que os fornecedores tendem a passar por cima numa nota de rodapé. Os prós e os contras dos sistemas de reconhecimento de voz na área da saúde não se equilibram, porque os contras são do tipo que podem acabar no prontuário de um doente se ninguém estiver atento. Nada disto faz com que a tecnologia seja uma má aposta. Significa apenas que a sua implementação merece o mesmo rigor que qualquer outra ferramenta clínica, e não o mesmo entusiasmo que um telemóvel novo. Vejamos os desafios típicos e como mitigá-los.
Desafio: Os modelos de voz de uso geral têm dificuldades com nomes de medicamentos, abreviaturas e jargão especializado.
Impacto: Os termos mal compreendidos podem distorcer silenciosamente uma nota clínica, o que constitui um resultado muito mais grave do que um erro ortográfico num e-mail.
Mitigação: Utilize modelos de reconhecimento de fala (ASR) ajustados com base em corpora médicos e vocabulários específicos de cada especialidade, e encaminhe tudo o que for incerto para revisão humana.
Desafio: A precisão diminui visivelmente no caso de sotaques não nativos e dialetos regionais, um ponto fraco bem documentado em todo o setor.
Impacto: Isto pode resultar numa menor qualidade da documentação, tanto para os profissionais de saúde como para os doentes pertencentes a grupos linguísticos sub-representados.
Mitigação: Treinar ou aperfeiçoar modelos com conjuntos de dados que incluam diversos sotaques e dar suporte a modelos multilingues sempre que a população de doentes assim o exigir.
Desafio: As enfermarias movimentadas, as conversas que se sobrepõem e o ruído do equipamento prejudicam a qualidade da transcrição.
Impacto: O áudio distorcido implica mais correções manuais, o que anula a poupança de tempo que a ferramenta deveria proporcionar.
Mitigação: Combinar microfones direcionais com modelos de supressão de ruído e diarização otimizados para ambientes clínicos.
Desafio: A síntese baseada em LLM pode, por vezes, inventar detalhes que nunca foram mencionados, um risco específico dos sistemas generativos.
Impacto: Um sintoma alucinatório ou a menção de um medicamento numa nota constitui um problema de segurança do doente, não apenas um inconveniente.
Mitigação: Manter uma etapa obrigatória de revisão por parte de um ser humano, registar o áudio original juntamente com o texto gerado e avaliar os modelos em relação a parâmetros de referência de precisão clínica antes da implementação.
Desafio: Os profissionais de saúde, que já têm de conciliar uma agenda sobrecarregada, mostram-se, compreensivelmente, relutantes em ter de aprender a utilizar uma nova ferramenta.
Impacto: Uma baixa taxa de adoção significa que a organização paga por uma plataforma que, na maior parte do tempo, fica inativa.
Mitigação: Comece com um pequeno grupo-piloto de utilizadores pioneiros dispostos a aderir, recolha feedback rapidamente e deixe que sejam os resultados dos colegas, e não uma imposição, a impulsionar uma implementação mais ampla.
Desafio: Os sistemas de registos de saúde eletrónicos (EHR) e os sistemas hospitalares mais antigos não foram concebidos tendo em conta as APIs modernas.
Impacto: Sem integração, as ferramentas de voz tornam-se um fluxo de trabalho paralelo que os profissionais de saúde têm de conciliar manualmente, o que contraria o objetivo.
Mitigação: Utilizar os motores de interface HL7 V2 e FHIR e, nos casos em que não exista uma API adequada, criar uma camada de middleware em vez de obrigar a uma substituição total dos sistemas centrais.
No momento em que um microfone capta alguém a descrever os seus sintomas, essa gravação deixa de ser um ficheiro de áudio inofensivo e passa a ser informação de saúde protegida (PHI), com implicações legais. Não importa que tenha sido apenas uma chamada de acompanhamento de rotina. Tratar o assunto de forma descuidada é o que leva as organizações a acabarem no lado errado de uma notícia. Uma implementação séria tem de ter em conta:
Exatamente quais destas condições se aplicam, e com que rigor, depende do país, do tipo de organização e da finalidade a que se destinam os dados de voz. Um hospital que grava consultas clínicas na íntegra apresenta um perfil de risco muito diferente do de um bot de agendamento que recolhe um número de telefone. É também aqui que cibersegurança de nível hospitalar Este trabalho compensa o investimento, uma vez que a fiabilidade de um canal de voz depende do seu elo mais fraco no tratamento de dados.
Ninguém compra um “sistema de reconhecimento de voz para cuidados de saúde” pronto a usar, da mesma forma que se compra um agrafador. É montado, peça a peça, a partir de ferramentas que nunca foram realmente concebidas para funcionar em conjunto. Uma configuração típica assemelha-se menos a um único produto e mais a uma caixa de ferramentas bem organizada:
Escolher a partir desta lista não é a parte difícil. O difícil é conseguir que os componentes comuniquem entre si de forma fiável num ambiente regulamentado, e é aí que a maioria das tentativas internas acaba por fracassar. É essa lacuna que as equipas de engenharia da Innowise foram criadas para colmatar.
Os custos variam enormemente consoante o âmbito do projeto. Os principais fatores que determinam os custos são a profundidade do integração de EHR, quer a solução exija o ajuste fino de um modelo personalizado para uma especialidade ou sotaque específico, quer o nível de segurança e conformidade exigido, e ainda a quantidade de revisão e monitorização humanas contínuas que o fluxo de trabalho prevê. Os custos finais dependem do seu âmbito específico, da infraestrutura existente e dos requisitos, sendo que a única forma fiável de obter um valor real é através de uma avaliação técnica adequada realizada pela Innowise.
Prever o futuro de qualquer tecnologia relacionada com a IA é, hoje em dia, uma tarefa um tanto que fútil, tendo em conta a frequência com que as inovações deste ano se tornam meras notas de rodapé no ano seguinte. Ainda assim, algumas tendências têm vindo a surgir com suficiente consistência nas investigações e nos planos de desenvolvimento de produtos, ao ponto de merecerem ser levadas a sério e não descartadas como mero exagero:
A Innowise já está a acompanhar estas mudanças nos projetos de cuidados de saúde em curso, pelo que a secção seguinte é menos teórica e mais uma análise de como prestamos apoio.
Criámos software de cuidados de saúde há tempo suficiente para saber que um projeto de reconhecimento de voz raramente falha devido ao modelo de voz. Falha devido a tudo o que o rodeia: a integração, o trabalho de conformidade, a gestão da mudança. É nessa parte que nos concentramos. A nossa equipa ocupa-se de:
Se a funcionalidade de reconhecimento de voz vier a ser classificada como «Software como Dispositivo Médico» (SaMD), isso também já está abrangido. O Innowise possui certificação ISO 13485, que é a norma de gestão da qualidade que os auditores procuram especificamente no software para dispositivos médicos.
Já realizámos trabalhos de integração igualmente sensíveis em contextos regulamentados, como o nosso projeto para a Telea Medical, um fabricante de dispositivos médicos da UE, no qual a nossa equipa reformulou um módulo de descodificação de dados de acordo com normas rigorosas aplicáveis aos dispositivos médicos. Pode ler o Estudo de caso da Telea Medical para ter uma ideia de como abordamos a conformidade na área da saúde na prática. É também parte da razão pela qual as organizações continuam a reconhecer o nosso trabalho, pelo que vale a pena dar uma vista de olhos no nosso prémios na área da saúde para ver a lista completa.
Trata-se de um software que converte a linguagem clínica falada — seja a ditado por um profissional de saúde ou uma conversa completa com um doente — em texto estruturado que pode ser revisto e introduzido num registo médico.
A transcrição médica tradicional envolve, normalmente, um transcritor humano que ouve uma gravação e a digita. O reconhecimento de voz automatiza essa conversão, embora um ser humano continue a rever o resultado antes de este ser finalizado.
Isso varia muito consoante o contexto. A ditado controlada pode ser altamente precisa, enquanto as conversas ruidosas com vários interlocutores são muito mais difíceis, e é precisamente por isso que a revisão humana continua a fazer parte de qualquer fluxo de trabalho sério.
Sim, através do padrão interoperabilidade dos dados de saúde protocolos como o HL7 V2 e o FHIR, ou através de APIs específicas de cada fornecedor para as principais plataformas de registos de saúde eletrónicos (EHR). O grau de profundidade dessa integração é, normalmente, o que distingue uma boa implementação de uma implementação frustrante.
A tecnologia pode ser concebida para estar em conformidade com a HIPAA, mas essa conformidade depende da forma como é implementada: a encriptação, os controlos de acesso, os acordos com fornecedores e os registos de auditoria têm de estar todos em vigor. Não se trata de uma funcionalidade que se obtenha por predefinição.
Uma ferramenta básica de ditado pode estar operacional em poucas semanas. Uma plataforma de documentação ambiental de nível de produção com integração total com o EHR demora normalmente vários meses, sobretudo devido ao trabalho de conformidade e integração e não à IA em si.
Gestor Sénior de Fornecimento Técnico em Cuidados de Saúde e MedTech
Aleh faz a ponte entre as necessidades clínicas e a execução da engenharia. Aplica um profundo conhecimento do domínio para garantir que os sistemas MedTech não estão apenas em conformidade, mas são suficientemente fiáveis para terem um impacto mensurável nos cuidados de saúde do mundo real.
