Extração de HbA1c de prontuários médicos utilizando inteligência artificial Pérola (LLM)

Aplicação na Linha de Cuidado da Pessoa com Diabetes

Resumo

Introdução: A Linha de Cuidado da Pessoa com Diabetes acompanha cerca de 40 mil pacientes no extremo sul de São Paulo, território de alta vulnerabilidade social. O resultado de hemoglobina glicada, central no acompanhamento do controle metabólico, raramente é lançado no campo estruturado do prontuário, e desde 2022 a linha monitora apenas as solicitações do exame; a maior parte dos resultados fica em texto livre da evolução clínica. Objetivo: Extrair com um grande modelo de linguagem (LLM) os resultados de hemoglobina glicada registrados em texto livre e medir o ganho em volume de dados frente ao campo estruturado. Métodos: As evoluções clínicas são replicadas em arquitetura medalhão num lakehouse na Azure e processadas no Databricks, onde o modelo GPT-5-Nano é aplicado pela função ai_query às evoluções de pacientes cadastrados como diabéticos, atendidos em AME, UBS ou hospital-dia. O prompt few-shot foi desenvolvido com profissionais de saúde; a saída em JSON é formatada, deduplicada e filtrada de valores implausíveis. A acurácia foi medida por um F-score adaptado de n-gramas, numa amostra de 1.000 registros. Resultados: O F-score médio foi de 0,97, com mediana de 1. Em 2025, dos 30.617 exames solicitados, 2.638 (8,6%) tinham resultado em campo estruturado; com IA, foram extraídos 36.127 resultados, aumento de 1.369%, distribuídos em 27.239 prontuários. Ao todo, 19.002 pacientes têm ao menos um resultado extraído, e 20,82% deles têm três ou m por resultado extraído. Conclusão: O menor modelo dafamília GPT-5, em conformidade com a LGPD, viabiliza a busca ativa precoce de casos descompensados e subsidia a linha de cuidado com dados oportunos, permitindo intervenções antes do agravo.