Avaliação do uso de agentes de inteligência artificial na atividade de geração de planos de cuidado de saúde

Abstract

Mobile Health (mHealth) utiliza tecnologias móveis para prevenção, monitoramento e tratamento remoto de problemas de saúde. Embora as aplicações mHealth existentes sejam úteis para o controle de doenças crônicas, elas frequentemente baseiam-se em planos de cuidado estáticos e não modificáveis, resultando em soluções insatisfatórias para a diversidade de pacientes e tratamentos. Com o propósito de minimizar esse problema, foi proposta a plataforma Takere, que utiliza a abordagem de aplicações no-code. A Takere permite que profissionais de saúde traduzam o plano de cuidado do paciente em linguagem natural para um fluxo estruturado de processos (caixas de ação) em uma plataforma web, gerando subsequentemente um aplicativo móvel personalizado para o acompanhamento domiciliar do paciente. No entanto, em workshops realizados, foi identificada a dificuldade de inserção manual dos planos de cuidado personalizados na plataforma, levando à desmotivação dos profissionais de saúde. A fim de solucionar essa dificuldade, este trabalho desenvolveu uma ferramenta de automação baseada no framework CrewAI. Utilizando agentes de inteligência artificial, a solução processa prontuários em linguagem natural para gerar planos de cuidado estruturados, visando otimizar a criação de componentes de ação na plataforma Takere. Após o refinamento dos prompts e a realização de múltiplos testes com diferentes entradas, os planos de cuidado foram gerados conforme o esperado. A análise de estabilidade estrutural das saídas e de qualidade das informações indica o potencial promissor da ferramenta para implementações futuras.

Mobile Health uses mobile technologies to remotely prevent, monitor, and treat health problems. Although existing mHealth applications are useful for managing chronic diseases, they often rely on static, non-modifiable care plans, resulting in unsatisfactory solutions for the diverse range of patients and treatments. In order to minimize this problem, the Takere platform was proposed, which uses the no-code application approach. Takere allows healthcare professionals to translate a patient’s care plan in natural language into a structured process flow (action boxes) on a web platform, subsequently generating a personalized mobile application for patient home monitoring. However, in the workshops held, the difficulty of manually inserting personalized care plans into the platform was identified, leading to demotivation among healthcare professionals. To address this challenge, this work developed an automation tool based on the CrewAI framework. Using artificial intelligence agents, the solution processes medical records in natural language to generate structured care plans, aiming to optimize the creation of action components on the Takere platform. After refining the prompts and conducting multiple tests with different inputs, care plans were generated as expected. The analysis of the structural stability of the outputs and the quality of the information indicates the promising potential of the tool for future implementations.