Copiloto Clínico Pediátrico Orientado por Diretrizes Clínicas para Apoio à Decisão no Atendimento Médico

Descrição

A prática pediátrica contemporânea enfrenta um descompasso crescente entre a rápida expansão do conhecimento científico e a capacidade dos profissionais de saúde de aplicar, de forma consistente e segura, evidências atualizadas no ponto de cuidado. Diretrizes, consensos e protocolos pediátricos encontram-se dispersos em múltiplas fontes, dificultando sua operacionalização em contextos que exigem decisões rápidas, como emergências, atendimentos ambulatoriais e instituições de cuidado infantil. Esse cenário contribui para variabilidade clínica, atrasos diagnósticos e uso ineficiente dos serviços de saúde. Este projeto de Pesquisa e Desenvolvimento propõe a criação de um Evidence Engine Pediátrico, um copiloto de decisão clínica baseado em Inteligência Artificial Generativa e modelos de linguagem de grande escala (LLMs), voltado ao cuidado de crianças de 0 a 12 anos. A solução será capaz de interpretar casos clínicos descritos em linguagem natural, classificar riscos conforme faixa etária e contexto assistencial, recuperar evidências pediátricas a partir de fontes reconhecidas (SBP, AAP, OMS e protocolos validados) e entregar ao profissional de saúde uma síntese estruturada, clara e referenciada, com sugestões de conduta e alertas de segurança. O projeto adota um enfoque B2B, atendendo médicos, equipes de enfermagem, profissionais multiprofissionais e instituições de cuidado infantil, e tem como objetivo avançar o estado da arte na aplicação de LLMs em saúde, explorando aspectos como rastreabilidade de evidências, alinhamento a diretrizes clínicas, segurança e mitigação de riscos de sistemas generativos. Espera-se que os resultados contribuam para a padronização de condutas pediátricas, redução de erros e atrasos diagnósticos e fortalecimento de uma infraestrutura cognitiva baseada em evidências no ponto de cuidado.