Imagine fazer uma ressonância magnética dos joelhos e ouvir que você tem "degeneração intrassubstancial leve do corno posterior do menisco medial".

É provável que a maioria de nós, que não cursou medicina, não consiga decifrar esse jargão como algo significativo, nem entender o que pode ser acionado a partir desse diagnóstico. É por isso que os radiologistas de Stanford desenvolveram um amplo modelo de linguagem para ajudar a responder às preocupações e dúvidas médicas dos pacientes sobre radiografias, tomografias computadorizadas, ressonâncias magnéticas, ultrassons, tomografias por emissão de pósitrons (PET) e angiografias.

Usando esse modelo, um paciente submetido a uma ressonância magnética do joelho poderia obter uma explicação mais útil e simples: o menisco do seu joelho é um tecido que serve como uma almofada e, como um travesseiro, o menisco ficou um pouco plano, mas ainda pode funcionar.

Este LLM – denominado “RadGPT” – consegue extrair conceitos do relatório de um radiologista para, em seguida, fornecer uma explicação desses conceitos e sugerir possíveis perguntas complementares. A pesquisa foi publicada este mês no Journal of the American College of Radiology.

Tradicionalmente, a expertise médica é necessária para entender os relatórios técnicos que os radiologistas escrevem sobre os exames dos pacientes, afirmou Curtis Langlotz , professor de radiologia, medicina e ciência de dados biomédicos da Universidade Stanford, pesquisador sênior do Instituto Stanford de IA Centrada no Ser Humano (HAI) e autor sênior do estudo. "Esperamos que nossa tecnologia não apenas ajude a explicar os resultados, mas também a melhorar a comunicação entre médico e paciente."

Desde 2021, sob a Lei de Curas do Século XXI, pacientes nos Estados Unidos têm proteção federal para obter acesso eletrônico aos seus próprios laudos radiológicos. Mas ferramentas como o RadGPT podem aumentar o engajamento dos pacientes em seus tratamentos, acredita Langlotz, pois eles podem entender melhor o significado real dos resultados dos seus exames.

Para desenvolver o RadGPT, a equipe de Stanford utilizou 30 laudos radiológicos de amostra e extraiu cinco conceitos de cada um. Com esses 150 conceitos, eles desenvolveram explicações para eles e três pares de perguntas e respostas que os pacientes costumam fazer. Cinco radiologistas que revisaram essas explicações determinaram que é improvável que o sistema produza alucinações ou outras explicações prejudiciais.

A IA ainda está longe de ser capaz de interpretar exames brutos com precisão. Em vez disso, o modelo RadGPT atual depende de um radiologista humano ditando um relatório, e somente então o sistema extrairá conceitos do que ele escreveu.

“Como em qualquer outra tecnologia de saúde, a segurança é absolutamente primordial”, disse Sanna Herwald, autora principal do estudo e residente em Stanford em educação médica de pós-graduação. “A razão pela qual este estudo é tão empolgante é porque os materiais gerados pelo RadGPT foram, de modo geral, considerados seguros sem modificações adicionais. Isso significa que o RadGPT é uma ferramenta promissora que pode, após testes e validação adicionais, educar diretamente os pacientes sobre seus achados de imagem urgentes ou incidentais em tempo real, conforme a conveniência do paciente.”

Embora esse LLM ainda precise ser testado em um ambiente clínico, Langlotz acredita que os LLMs que são a base dessa tecnologia não só beneficiarão os pacientes ao obterem respostas para perguntas médicas comuns, mas também os radiologistas, que poderão ser mais produtivos ou fazer pausas para reduzir o esgotamento.

“Se você observar os auto-relatos de carga cognitiva — a quantidade de trabalho que seu cérebro faz ao longo do dia — a radiologia está no topo da lista.”