Análise de Viabilidade e Acurácia de Ferramentas de Reconhecimento de Voz (Speech-to-Text) na Transcrição de Prontuários Oftalmológicos

Descrição

A transição digital na área da saúde e a adoção universal dos sistemas de informação consolidaram o Prontuário Eletrônico do Paciente (PEP) como a principal ferramenta de registro, comunicação interprofissional e gestão de dados em ambientes clínicos e hospitalares. Contudo, a obrigatoriedade da digitação minuciosa dos dados clínicos introduziu um efeito colateral paradoxal e substancial: a elevação drástica da sobrecarga cognitiva e administrativa imposta aos profissionais de saúde. Este cenário é particularmente crítico em especialidades de alto fluxo ambulatorial e densidade técnica, como a oftalmologia, onde a necessidade de transcrever detalhadamente métricas visuais, achados de biomicroscopia, refrações e pressões intraoculares consome um tempo valioso que deveria ser destinado à interação direta com o paciente, precipitando fenômenos de esgotamento profissional (burnout) e reduzindo a eficiência operacional. Como alternativa promissora a este gargalo, tecnologias de Reconhecimento Automático de Fala (Automatic Speech Recognition - ASR), amplamente conhecidas como ferramentas de Speech-to-Text (STT), despontam como soluções capazes de automatizar o preenchimento de prontuários médicos por meio do ditado digital. Contudo, a adoção destas tecnologias esbarra em dúvidas fundamentais acerca da sua acurácia em domínios médicos altamente especializados, nos quais falhas de transcrição fonética podem resultar em iatrogenias e no comprometimento severo da segurança do paciente. O presente projeto de pesquisa de Iniciação Científica propõe a condução de um estudo observacional de simulação e validação clínica in silico. O objetivo central é analisar a viabilidade e a precisão métrica de ferramentas comerciais e de código aberto baseadas em Inteligência Artificial (como os modelos da família Whisper da OpenAI, o ditado nativo do Google e plataformas concorrentes) na transcrição de terminologias oftalmológicas complexas. Através da criação de um corpus de casos clínicos oftalmológicos sintéticos e simulados, gravados em áudio sob diferentes condições acústicas, a pesquisa avaliará o desempenho destas tecnologias utilizando métricas rigorosas como a Taxa de Erro de Palavra (Word Error Rate - WER), a Taxa de Erro de Caractere (Character Error Rate - CER) e a acurácia semântica de entidades clínicas específicas (mWER). O diferencial metodológico e inovador deste estudo reside na validação da maturidade da tecnologia prêt-à-porter (pronta para uso), dispensando o desenvolvimento moroso e custoso de novos softwares ou o enfrentamento de barreiras de patentes. O foco recai puramente sobre o fornecimento de evidências sólidas, baseadas em dados, sobre a segurança clínica da adoção do ditado digital na prática oftalmológica contemporânea, gerando um panorama comparativo indispensável para futuras integrações em sistemas hospitalares como os utilizados no Sistema Único de Saúde (SUS).