O Instituto de Radiologia do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo (InRad) é um centro de referência em diagnóstico por imagem e oncologia terapêutica, com atuação voltada a ensino, pesquisa e assistência. Para sustentar a qualidade do atendimento, o InRad investe continuamente em infraestrutura, tecnologia e capacitação de equipes, além de desenvolver parcerias que viabilizam projetos inovadores.
O Instituto conta com estruturas como o Centro de Diagnóstico por Imagem das Doenças da Mama (CEDIM) e o Núcleo Técnico-Científico de Diagnóstico por Imagem (NDI), responsável por iniciativas de digitalização e distribuição de imagens, ampliando o acesso às informações em diferentes unidades do hospital. Anualmente, são realizados cerca de 330 mil exames de alta complexidade no Instituto.
Contexto do Projeto
O projeto foi iniciado com o objetivo de automatizar a geração de pré-laudos radiológicos utilizando IA Generativa (GenAI), elevando produtividade e padronização na etapa de elaboração do laudo.
A dataRain Consulting foi responsável por liderar a implementação e evoluir a solução, garantindo maior robustez técnica e adequação ao fluxo clínico do hospital.
Objetivo Principal
Criar uma solução baseada em GenAI que agregue valor ao trabalho dos radiologistas, utilizando diferentes fontes de dados (formulários médicos, pedidos de exame e históricos clínicos) para otimizar e padronizar a elaboração de laudos radiológicos.
Principais Desafios Identificados
1. Processo Manual: O fluxo inicial envolvia muitas etapas manuais, dificultando a escalabilidade e a adoção da solução.
2. Volume de Dados: A primeira iteração do projeto contou com apenas 1000 pacientes, o que foi considerado insuficiente para validação robusta do modelo de IA.
3. Integração com Sistemas: O sistema precisava ser integrado ao MV (prontuário eletrônico utilizado no hospital), mas a definição do escopo de integração ainda estava em andamento.
4. Qualidade das Sumarizações: A equipe identificou que os pré-laudos gerados não estavam suficientemente detalhados, demandando aprimoramentos.
Arquitetura da Solução
1. Integração com PEP e PACS: As informações dos diversos documentos gerados pelo MV são ingeridas, processadas e disponibilizadas para os médicos no sistema de PACS.
2. Armazenamento e Processamento: Os dados são armazenados no Amazon S3 e processados por AWS Step Functions e AWS Lambda, que organizam e anonimiza os arquivos por paciente.
3. Geração do Pré-Laudo: Um modelo LLM da Amazon Bedrock recebe os dados e gera um sumário clínico do paciente.
4. Validação e Acesso: Os médicos acessam os pré-laudos por meio de um link armazenado no S3. A informação é então validada antes de ser incorporada ao fluxo clínico.
5. Segurança e Compliance: Após a validação, os dados são removidos do ambiente AWS para garantir conformidade com regras de segurança do hospital.
Resultados Iniciais
- 83,3% dos sumários gerados receberam nota 4 ou 5 (máxima)
- 93,3% dos sumários foram considerados livres de alucinações (erro comum em modelos de IA)
- Economia de tempo para os radiologistas, que passaram a visualizar informações organizadas de forma mais rápida e estruturada.
Gostou do Conteúdo?
Você pode falar com um de nossos especialistas do setor