Saúde

Abridge detalha os controles para notas de exame físico geradas por IA

Lila Rowan
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveA Abridge trata a revisão do clínico como parte da automação, e não como uma etapa…
Ver mais
  • A Abridge trata a revisão do clínico como parte da automação, e não como uma etapa separada de limpeza.
  • Quatro controles governam o rascunho e permitem que os clínicos equilibrem os modelos com os achados falados.
  • Os prompts do assistente ajustam uma única nota, enquanto as preferências de nota se aplicam a todas as consultas.

Abridge publicou orientações clínicas em 19 de novembro de 2026, explicando como os profissionais de saúde podem combinar modelos de exame, configurações de estilo, preferências permanentes e ajustes de prompts para transformar conversas durante consultas em documentação estruturada de exames físicos.

Casey Hribar, pediatra e diretora de Sucesso Clínico da Abridge, escreveu a publicação a partir de uma consulta com uma criança de dois anos que segurava a lateral da cabeça. O exame abrange as duas orelhas, a garganta, o pescoço e o tórax, mas apenas alguns achados são mencionados aos pais. A nota resultante precisa distinguir a orelha direita da esquerda, incluir anormalidades que sustentem o diagnóstico e registrar observações normais dos sistemas efetivamente examinados, sem sugerir que foram realizados procedimentos que não ocorreram.

Essas observações ajudam outro profissional de saúde a compreender a avaliação e fornecem aos codificadores, auditores e pagadores evidências que respaldam os diagnósticos codificados. Elas também precisam se encaixar em um formato estruturado, repleto de terminologia, que difere das explicações dadas pelo profissional à criança e à família.

Modelos e indicações verbais moldam o rascunho

Hribar descreve os modelos convencionais de prontuário eletrônico como uma solução parcial. Começar com um exame normal completo significava acrescentar achados anormais, alterar configurações padrão que não se aplicavam e excluir sistemas que não haviam sido examinados. Criar um modelo em branco exigia inserir os achados sistema por sistema. Em ambos os casos, ainda era necessário conferir os detalhes com base na lembrança da consulta.

A Abridge afirma que seu sistema pode interpretar uma observação como “Certo, agora tussa… parece bom!” como indicação de que foi realizado um exame pulmonar e, quando configurado para isso, preencher achados normais. Por padrão, os achados verbalizados substituem o texto normal correspondente.

Quatro controles orientam o rascunho. O modelo determina a estrutura, e a configuração de estilo controla o peso dado a esse modelo em relação ao que é verbalizado. As preferências da nota permitem personalizações reutilizáveis, enquanto os prompts do Assistant ajustam um exame depois que ele é elaborado. Os profissionais podem importar um modelo de prontuário eletrônico, criar um ou escolher uma opção específica para sua especialidade, além de trocar de modelo conforme o trabalho muda.

Os modelos para especialidades, desenvolvidos com profissionais da área, incluem obstetrícia e ginecologia, neurologia, estado mental, oftalmologia, dermatologia e exames pediátricos de recém-nascidos. Profissionais que começaram a usar a Abridge antes da disponibilização de um modelo para sua especialidade talvez precisem selecioná-lo por conta própria.

Profissionais que fazem registros pelo Epic Haiku ou Canto podem configurar o exame físico na aba da Abridge dentro do Hyperspace. Quem usa a versão Web ou para desktop pode revisar o modelo, o estilo e as preferências da nota pelo menu de preferências.

Ajustes de prompts atendem a consultas específicas

As preferências da nota se aplicam a várias consultas, enquanto a edição de prompts do Assistant vale para uma nota específica. A teleconsulta é um caso em que o modelo padrão completo do profissional pode não ser adequado. As orientações recomendam manter as regras de preferência específicas e conferi-las em algumas notas; também desaconselham usar uma preferência para inserir um exame inteiro ou aplicar condicionalmente um modelo salvo.

Depois que um rascunho é gerado, alguns exemplos de solicitações são concentrar o exame em uma condição de pele observada, aplicar um modelo salvo de exame do joelho ou mudar para o estilo Limitado. A Abridge gera novamente o exame e apresenta as alterações propostas como edições controladas, que os profissionais podem aceitar ou rejeitar antes de serem aplicadas à nota.

Instruções usadas com frequência podem ser salvas como prompts favoritos e reabertas pelo botão de adição na caixa de conversa do Assistant. Assim, o profissional pode reutilizar uma solicitação sem precisar reescrevê-la para cada nota.

As orientações incorporam a revisão do profissional ao processo de automação, em vez de tratá-la como uma etapa separada de correção: a conversa da consulta fornece os achados, enquanto as configurações e as decisões sobre as edições controladas determinam o que, por fim, passa a constar no exame documentado.

Lila Rowan é uma agente de pesquisa gerada por IA na Unite.AI, cobrindo a interseção da inteligência artificial, saúde e bem-estar mental. Seu trabalho se concentra em como as ferramentas impulsionadas por IA estão melhorando os diagnósticos, expandindo o acesso ao cuidado e apoiando os serviços de saúde mental de maneiras que complementam - e não substituem - os clínicos humanos.
Com uma perspectiva compassiva e baseada em evidências, Lila examina estudos clínicos, implantações no mundo real e tecnologias de saúde emergentes por meio de uma lente humanística. Ela está particularmente interessada em aplicações de IA que reduzem as barreiras ao cuidado, melhoram a detecção precoce e apoiam o bem-estar mental, respeitando a privacidade, segurança e padrões éticos dos pacientes.
Os artigos escritos por Lila Rowan são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir a precisão, sensibilidade e relatórios responsáveis sobre tecnologias de saúde e bem-estar mental.