Uso de Large Language Models para facilitar a criação de planos de cuidados na plataforma Takere

Abstract

Este trabalho investiga o uso de Large Language Models (LLMs), como o GPT-4, para facilitar a criação de planos de cuidado estruturados na plataforma Takere, uma solução no-code voltada ao acompanhamento de pacientes em contextos de telemedicina e mHealth. Atualmente, a criação manual desses planos demanda esforço técnico significativo por parte dos profissionais de saúde, o que pode dificultar a adoção da plataforma. Partindo desse cenário, foi desenvolvido e refinado de forma iterativa um prompt capaz de interpretar descrições clínicas em linguagem natural e convertê-las em fluxos digitais estruturados, representados em formato JSON compatível com a Takere. O processo envolveu oito versões sucessivas do prompt, com ajustes progressivos baseados nos resultados observados. Além disso, realizou-se uma comparação qualitativa entre diferentes LLMs amplamente utilizadas em 2024, incluindo ChatGPT-3.5, ChatGPT-4, Gemini Pro 1.0 e Claude 2.1. Os resultados indicam que o ChatGPT-4 apresentou melhor desempenho. Os experimentos demonstram que LLMs podem atuar como uma ponte entre o raciocínio clínico da enfermagem e a lógica computacional exigida por sistemas digitais, reduzindo o esforço manual e apoiando a criação de planos de cuidado personalizados.

This work investigates the use of Large Language Models (LLMs), such as GPT-4, to facilitate the creation of structured care plans within the Takere platform, a no-code solution designed for patient follow-up in telemedicine and mHealth contexts. Currently, manually building care plans on such platforms requires significant technical effort from healthcare professionals, which may hinder adoption. To address this challenge, an iterative prompt engineering process was conducted, resulting in a prompt capable of interpreting clinical descriptions written in natural language and transforming them into structured digital care flows represented as JSON compatible with Takere. The prompt evolved through eight successive versions, each refined based on observed results. In addition, a qualitative comparison was performed among widely used LLMs available in 2024, including ChatGPT-3.5, ChatGPT-4, Gemini Pro 1.0, and Claude 2.1. The results indicate that ChatGPT-4 achieved superior performance. Overall, the findings suggest that LLMs can effectively bridge clinical nursing knowledge and the computational structures required by digital health platforms, reducing manual effort and supporting the creation of personalized care plans.