Tecnologia

Sistema Inteligente para Triagem e Encaminhamento de Pacientes em Aplicações Mobile

Caue Ribas Apolinario; Jefferson Vorpagel

Faculdade Donaduzzi

Resumo

O artigo "Sistema Inteligente para Triagem e Encaminhamento de Pacientes em Aplicações Mobile", de autoria de Jefferson Vorpagel e Caue Ribas Apolinário, propõe uma solução tecnológica para otimizar o fluxo de admissão em unidades de saúde. O problema central abordado é a ineficiência da triagem médica tradicional, cujos gargalos operacionais frequentemente resultam em longas filas de espera e encaminhamentos equivocados. Para solucionar esse cenário, os autores apresentam o modelo conceitual de um aplicativo móvel de pré-triagem fundamentado em Processamento de Linguagem Natural (PLN).

A fundamentação teórica baseia-se em três pilares: a eficácia da triagem digital para reduzir o tempo de admissão; a adoção de práticas sólidas de engenharia de software mobile, utilizando o framework multiplataforma Flutter e o padrão de arquitetura MVVM; e o uso de PLN especializado em saúde. Destaca-se a escolha da arquitetura ClinicalBERT, que, por ser pré-treinada em anotações clínicas reais, supera algoritmos genéricos na capacidade de interpretar o contexto, as equivalências e os jargões médicos.

Metodologicamente, o trabalho é estruturado como um estudo bibliográfico e descritivo que embasa a modelagem de um fluxo tecnológico direto. O sistema funciona da seguinte forma: o paciente relata seus sintomas em texto livre pelo aplicativo; os dados são enviados para uma API em FastAPI e processados pelo modelo de PLN no servidor. Após a análise, o sistema devolve uma classificação preliminar de gravidade e uma sugestão de especialidade médica, atuando como uma ferramenta de apoio à priorização, e não como um sistema diagnóstico autônomo.

A avaliação técnica do modelo demonstra que queixas detalhadas, como "dor no peito e falta de ar", são corretamente classificadas como urgência alta (ex: Cardiologia), enquanto relatos como "dor de garganta e febre baixa" indicam urgência menor (ex: Clínico Geral). Para mensurar esse desempenho, propõe-se o uso de métricas como acurácia, precisão, recall e F1-score, além do tempo de resposta da API.

Por fim, os resultados e discussões apontam para a principal limitação do sistema: a imprecisão diante de relatos muito vagos, como "estou mal". Para mitigar esse risco e garantir a segurança, o aplicativo foi projetado para intervir ativamente com perguntas complementares (sobre intensidade da dor, tempo dos sintomas e presença de febre). Conclui-se que a ferramenta viabiliza uma triagem inicial rápida e objetiva, contribuindo ativamente para a gestão de filas e a redução de erros de encaminhamento hospitalar.

Palavras-chave: Triagem médica, Processamento de Linguagem Natural, Encaminhamento, Roteamento, Engenharia de Software, ClinicalBERT, FastAPI