Uma pesquisa que aplica inteligência artificial para organizar automaticamente laudos de tomografia computadorizada de tórax em português demonstrou que a estruturação desses documentos é viável mesmo sem treinamento específico dos modelos de linguagem de grande escala (LLMs), conhecido como fine-tuning.
O estudo identificou que os modelos avaliados produziram resultados consistentes, principalmente em campos mais padronizados dos exames, e apontou caminhos para aprimorar a tecnologia em informações mais descritivas e dependentes de contexto clínico, como achados incidentais.
Telessaúde
O trabalho de pesquisadores da Universidade Federal de Alagoas (UFAL), intitulado “Large Language Models for Structured Chest CT Reporting in Portuguese: a Comparative Study with Radiologist Validation” (Modelos de linguagem de grande escala para estruturação de laudos de tomografia computadorizada de tórax em português: um estudo comparativo com validação por radiologistas), recebeu o prêmio de Melhor Artigo, ou Best Paper, durante o Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2026), realizado de 1º a 4º de junho de 2026, em Ouro Preto (MG).
O artigo foi premiado na trilha principal da conferência, dedicada a artigos científicos completos, que recebeu mais de 168 trabalhos submetidos e teve taxa de aceitação de aproximadamente 35%, conforme os anais do evento.
A primeira autora do artigo é Juliana Simon Petruceli, egressa do Programa de Pós-Graduação em Informática (PPGI) e médica radiologista do Hospital Universitário Professor Alberto Antunes (HU/UFAL). O estudo integra uma linha de pesquisa do grupo Artificial Intelligence Applied to Computer-Aided Diagnosis (Icad), coordenado por Marcelo Costa Oliveira, professor do Instituto de Computação (IC) da UFAL, voltada ao uso de inteligência artificial aplicada à saúde, com foco em telessaúde, processamento de dados clínicos e sistemas de apoio à decisão médica.
“Ser reconhecido em um evento dessa relevância reforça a qualidade da pesquisa em inteligência artificial aplicada à saúde que vem sendo desenvolvida no PPGI e no Instituto de Computação da UFAL. Também evidencia o potencial da colaboração entre computação e medicina para gerar soluções com impacto científico e social”, afirma Oliveira.
Não substitui o humano
Segundo os pesquisadores, a tecnologia tem potencial para apoiar a prática radiológica sem substituir o profissional de saúde. A proposta é tornar as informações clínicas mais organizadas, reutilizáveis e interoperáveis, contribuindo para a qualidade do atendimento, a pesquisa em saúde e a integração entre sistemas.
“O objetivo não é substituir o radiologista, mas oferecer uma ferramenta de apoio que torne a informação clínica mais estruturada, acessível e útil para diferentes finalidades, como pesquisa, gestão, auditoria e continuidade do cuidado. Isso é especialmente relevante no contexto do sistema público de saúde, onde a organização da informação pode contribuir diretamente para a eficiência e a qualidade da assistência”, destaca o coordenador da pesquisa.
Na rotina dos hospitais, o laudo radiológico funciona como uma ligação entre a interpretação das imagens médicas e a tomada de decisão clínica. Porém, esses documentos ainda são produzidos, em grande parte, em texto livre, com diferenças de estilo, terminologia e nível de detalhamento entre profissionais e serviços. Essa variação dificulta a leitura padronizada pelas equipes assistenciais e também limita o uso computacional das informações registradas.
Subjetividade do texto
Dados clínicos escritos em texto livre apresentam desafios para análises em processos de auditoria, vigilância clínica, pesquisa científica, integração com prontuários eletrônicos e desenvolvimento de sistemas de apoio à decisão em saúde. “A estruturação de laudos é um passo essencial para que a informação clínica possa ser utilizada por sistemas de saúde de forma confiável. O desafio é ainda maior em português, pois a maior parte dos modelos de linguagem, ferramentas e estudos disponíveis foi desenvolvida originalmente para o idioma inglês”, explica Petruceli (Foto).
Para enfrentar esse desafio, o estudo avaliou a capacidade de modelos de linguagem de grande escala de converter laudos de tomografia computadorizada de tórax, escritos em português e em formato livre, para uma estrutura padronizada em JSON. Esse formato permite que as informações clínicas sejam lidas, organizadas e reaproveitadas por sistemas computacionais.
Método
A equipe desenvolveu um modelo de preenchimento adaptável capaz de identificar automaticamente informações dos exames, como tipo de exame, técnica utilizada, achados radiológicos e impressão diagnóstica, preservando a terminologia utilizada pelo radiologista.
A pesquisa analisou 1.102 laudos reais e anonimizados, com validação baseada em duas estratégias: uma avaliação qualitativa feita por 12 radiologistas e uma análise quantitativa que comparou as respostas geradas pelos modelos com uma referência elaborada manualmente por especialistas.
Também participaram da pesquisa José Arthur Lopes Sabino, graduando em Ciência da Computação no IC, e Tarcísio Lima Ferreira, egresso do PPGI. (Com informações da Ascom UFAL)
Gostou desta matéria? Apoie você também este projeto de divulgação científica. Considere apoiar com um pix de R$ 10 para contato@nossaciencia.com