Quase metade dos europeus não consegue compreender documentos médicos que recebem após consultas ou exames. Para enfrentar esse problema, pesquisadoras da Universidade Carlos III de Madri desenvolveram ferramentas de inteligência artificial capazes de traduzir laudos médicos para uma linguagem acessível ao público geral. O objetivo é permitir que pacientes entendam melhor seus diagnósticos e sigam corretamente os tratamentos prescritos. As informações são da agência de notícias científicas da universidade espanhola.
O estudo, publicado na revista Scientific Reports, testou diferentes modelos de linguagem baseados em IA para adaptar relatórios médicos. “Constatamos que 46% dos cidadãos europeus têm dificuldade para compreender um documento médico. Por isso desenvolvemos um conjunto de ferramentas para melhorar a comunicação entre médico e paciente”, afirma Paloma Martínez, coautora da pesquisa e professora do departamento de informática da universidade.
Os modelos de inteligência artificial conseguem gerar duas versões do mesmo documento: uma técnica, destinada ao médico, e outra simplificada, que permite ao paciente assimilar abreviações e termos complexos presentes no laudo original.
Como os modelos foram testados?
As pesquisadoras analisaram 50 laudos médicos de casos clínicos fornecidos pela Sociedade Andaluza de Medicina Familiar e Comunitária. Cada relatório recebeu três adaptações independentes, elaboradas por especialistas em acessibilidade cognitiva segundo a norma internacional sobre linguagem clara ISO 24495-1:2023, totalizando 150 textos adaptados.
Quatro famílias de modelos de linguagem foram avaliadas: Llama 3.2 1B e 3B, Salamandra 2B e 7B, RigoChat-v2 7B e Medical-mT5 3B. Os critérios incluíram simplificação, similaridade semântica, coerência factual, legibilidade e impacto ambiental.
Os resultados mostraram que não existe um modelo perfeito. O Llama-3.2-3B apresentou o perfil mais equilibrado em eficiência e desempenho geral, enquanto o RigoChat-v2-7B se destacou quando a qualidade da redação e a legibilidade eram prioridades.
Erros e necessidade de supervisão humana
A análise identificou três tipos de erros comuns aos quatro modelos: simplificação excessiva, que elimina detalhes clínicos essenciais; alucinações clínicas, quando a IA inventa ou altera dados do texto original; e incoerência, marcada por frases fragmentadas que prejudicam a leitura.
“É justamente por causa desse tipo de erro que a supervisão humana continua indispensável, especialmente em um campo tão sensível quanto a saúde”, ressalta Paloma Martínez.
As pesquisadoras disponibilizaram todos os recursos para a comunidade científica. Os modelos estão em acesso livre, e o conjunto de dados, os modelos adaptados e os prompts podem ser acessados nas plataformas públicas GitHub e Zenodo.
O trabalho foi realizado no âmbito do projeto HumanAI, financiado pela Agência Nacional de Pesquisa da Espanha. A iniciativa ganha relevância com a entrada em vigor, em janeiro de 2027, de um decreto real espanhol que estabelece condições de acessibilidade cognitiva para documentos e serviços das administrações públicas.