UltraReporter para transformar indícios diagnósticos falados em laudos de ultrassom estruturados com grandes modelos de linguagem

Transformando fala em tempo economizado

Quando médicos realizam um ultrassom, precisam conciliar duas tarefas exigentes: examinar o paciente com atenção e, ao mesmo tempo, digitar ou clicar apressadamente para preencher um laudo detalhado. Essa papelada pode levar mais tempo que o próprio exame e fica sujeita à fadiga e a pequenos, porém importantes, erros. O estudo apresenta o UltraReporter, um sistema de inteligência artificial que escuta as frases curtas que os médicos já pronunciam durante o exame e as transforma automaticamente em um laudo polido e estruturado em cerca de um segundo. Para os pacientes, isso promete visitas mais rápidas e documentação mais consistente; para os clínicos, oferece uma forma de recuperar tempo e reduzir o esgotamento profissional.

Um novo assistente na sala de ultrassom

Em muitos hospitais, o ultrassom é a ferramenta de imagem mais usada, empregado no fígado, vesícula, rins, tireoide e outros órgãos. Sua rapidez e segurança aumentaram tanto o volume de exames que sonografistas e radiologistas enfrentam forte pressão por laudos. Tradicionalmente, tentativas de automatizar laudos ou transcreviam longos parágrafos ditados ou tentavam interpretar as imagens diretamente. Ambas as abordagens têm dificuldades na prática clínica: a ditagem completa ainda leva minutos e precisa de edição, enquanto sistemas que usam apenas imagem frequentemente interpretam mal imagens ultrassonográficas ruidosas. O UltraReporter, em vez disso, se encaixa no que os médicos já fazem. Enquanto escaneiam, costumam falar breves indícios como “quisto hepático, um ponto dois por um ponto um.” O UltraReporter escuta, converte esses indícios falados em texto e então os expande em um laudo completo, no formato de template, que pode ser revisado e assinado.

Construindo dados a partir do nada

Projetar esse sistema enfrenta um problema central: quase não existem pares reais de indícios falados correspondendo a laudos finais. Os pesquisadores resolveram isso com um pipeline de inteligência artificial multiagente que, na prática, fabrica dados de treinamento realistas a partir de laudos textuais existentes. Um agente de IA “simulador de indícios” aprende a condensar laudos completos em frases curtas, no estilo que os médicos usam. Um segundo agente, “gerador de laudos”, aprende a expandir esses indícios de volta em narrativas bem estruturadas. Um terceiro, “avaliador de qualidade”, classifica cada par sintético quanto à precisão, completude, clareza e outros fatores, descartando os que não atingem o padrão. Esse processo produziu mais de 21.000 pares indício–laudo de alta qualidade, abrangendo centenas de sítios anatômicos e milhares de doenças, oferecendo ao sistema uma base rica sem exigir anotação manual adicional.

Ensinando os hábitos hospitalares ao sistema

Além do conhecimento médico geral, laudos reais precisam seguir hábitos locais: cabeçalhos familiares, frases preferidas e maneiras específicas de descrever achados comuns. Para capturar isso, a equipe adicionou uma segunda etapa de treinamento chamada fine-tuning com templates. Nessa fase, o UltraReporter aprende não só a partir de indícios e laudos, mas também de uma biblioteca com quase 200 templates institucionais reais, correspondentes ao órgão e à doença em questão. Isso incentiva o modelo a usar redação e layout padronizados, melhorando a consistência entre pacientes e provedores. Uma etapa final de treinamento, chamada otimização de preferência orientada a defeitos, ensina o sistema a identificar e corrigir seus próprios erros sutis. Quando o modelo confunde uma medida ou omite um detalhe chave, outra IA sinaliza o defeito e gera exemplos de treinamento que preferem explicitamente a versão corrigida, afinando o raciocínio clínico do modelo.

Da fala ao laudo em um segundo

Para operar em uma sala de exames movimentada, o sistema precisa lidar com fala real e ruidosa. Os autores combinam um reconhecedor de fala tolerante a ruído com um modelo de linguagem ajustado em chinês médico para que termos como “veia porta” não sejam interpretados como palavras do dia a dia. O indício reconhecido é então passado ao modelo treinado UltraReporter, que produz quase instantaneamente um laudo estruturado cobrindo achados e impressões. A segurança está integrada: o sistema calcula quanta confiança tem em cada trecho do texto, especialmente números e diagnósticos. Qualquer segmento de baixa confiança é destacado na interface do médico, chamando atenção para pontos que merecem uma segunda conferida. Em estudos de leitura, especialistas independentes frequentemente julgaram os laudos do UltraReporter equivalentes ou superiores aos redigidos por médicos, e em uso rotineiro a maioria dos laudos gerados foi avaliada em pé de igualdade com os originais.

O que isso significa para pacientes e clínicos

O UltraReporter demonstra que um modelo de linguagem relativamente compacto—bem menor que muitos sistemas que chamam atenção na mídia—pode igualar ou até superar o desempenho de especialistas em uma tarefa focada e prática quando alimentado com os dados certos e treinado com cuidado. Ao transformar as frases breves que os médicos já dizem em laudos completos e padronizados, ele tem o potencial de reduzir o tempo de documentação para segundos sem retirar o controle dos clínicos. Para os pacientes, isso pode significar mais tempo presencial e menos atrasos administrativos. Para os sistemas de saúde, oferece um roteiro: usar estruturas de IA em múltiplas etapas, fundamentadas em templates locais e supervisão humana, para transformar rotinas clínicas cotidianas de forma segura e escalável.

Citação: Hao, P., Zhang, J., Zhang, S. et al. UltraReporter for transforming spoken diagnostic cues into structured ultrasound reports with large language models. Sci Rep 16, 13662 (2026). https://doi.org/10.1038/s41598-026-41439-w

Palavras-chave: laudos de ultrassom, IA médica, fala-para-laudo, documentação clínica, grandes modelos de linguagem