Saúde

Luma Health lança o Agent Launchpad para preparar pacientes para procedimentos com várias etapas

mm
Adicione Unite.AI às suas fontes preferidas no Google

Luma Health lançou o Agent Launchpad em 5 de novembro de 2026, disponibilizando seu produto de orquestração de agentes de IA para a preparação e o acompanhamento de procedimentos. A University of Arkansas for Medical Sciences e o Mile Bluff Medical Center estão usando a ferramenta na preparação para colonoscopias. Segundo a Luma, a taxa média de resposta dos pacientes às ações de contato das duas instituições foi de 95%.

O Agent Launchpad faz parte do lançamento de produtos da Luma para o outono de 2026. Seus agentes iniciais ligam ou enviam mensagens de texto aos pacientes, seguem os protocolos do sistema de saúde, respondem a perguntas rotineiras e acompanham o nível de preparo. Os modelos disponibilizados abrangem a preparação para colonoscopias e o acompanhamento após o procedimento, além da preparação para artroplastia de joelho, cirurgia de catarata e cirurgia bariátrica. O produto foi concebido para retirar das equipes de atendimento tarefas repetitivas de coordenação, sem afastar os profissionais das decisões clínicas.

Os sistemas de saúde consultados pela Luma relataram que, em média, as enfermeiras precisavam fazer 2,3 ligações apenas para conseguir falar com um paciente pela primeira vez, antes das ligações adicionais de preparação. A equipe também confirma se os pacientes têm os materiais necessários para o preparo, coleta respostas para a triagem anestésica, verifica se terão transporte para voltar para casa e acompanha aqueles que ainda não concluíram alguma etapa. Essa carga de trabalho explica por que o Agent Launchpad foi organizado para concluir um fluxo de trabalho, em vez de enviar lembretes isolados.

Como o Agent Launchpad coordena a preparação

Um sistema de saúde pode começar com um modelo ou escolher um objetivo e deixar que a IA determine como alcançá-lo. A instituição carrega instruções aprovadas, perguntas de triagem e perguntas frequentes; em seguida, define quais tarefas os agentes podem realizar e em que situações a equipe deve intervir. A documentação de orquestração da Luma diferencia essas tarefas executadas por agentes — nas quais agentes especializados realizam atividades para atingir um resultado escolhido — dos fluxos de trabalho determinísticos, em que o cliente define cada etapa.

Na preparação para colonoscopias, o fluxo de trabalho descrito segue as instruções de preparo do profissional de saúde, a logística perioperatória e as regras de triagem anestésica, com contatos de acompanhamento 14 dias, sete dias, três dias e um dia antes do procedimento. A pedido do paciente, um agente pode passar de uma ligação para uma mensagem de texto, tentar novamente após chamadas não atendidas com base nos dados de engajamento do paciente e responder a perguntas rotineiras na mesma conversa. Se a consulta for remarcada, os contatos futuros passam a seguir o novo cronograma.

Os agentes que atendem o mesmo paciente compartilham o contexto das conversas, permitindo que fluxos de trabalho separados, anteriores e posteriores ao procedimento, sejam executados sem que a equipe precise iniciar cada um deles. Também podem ocorrer fluxos de preparação simultâneos quando os protocolos do profissional de saúde permitem. As dúvidas clínicas seguem as regras de escalonamento do sistema de saúde: a enfermeira recebe a conversa completa e pode retomar, repetir, pular ou interromper etapas. Cada interação deixa um histórico de mensagens legível e um registro das ações do agente.

Resultados iniciais na UAMS e no Mile Bluff

A Luma relata que 70% dos pacientes responderam no primeiro dia de contato, que as enfermeiras perioperatórias economizaram, em média, mais de 20 minutos de coordenação por paciente e que metade dos pacientes do Mile Bluff estava totalmente preparada sem receber ligações da equipe. Esses números descrevem a capacidade de resposta dos pacientes e o trabalho de coordenação da equipe nessas implementações de preparação para colonoscopias.

Paige Anderson, gerente-assistente de serviços clínicos da UAMS, afirmou no blog de lançamento da Luma que o sistema «agora responde às perguntas rotineiras dos pacientes sobre o preparo, de dia ou de noite, nos horários que forem mais convenientes para eles». As perguntas que exigem a intervenção de uma enfermeira são encaminhadas diretamente à equipe, dando às enfermeiras mais tempo para o trabalho clínico que só elas podem realizar. O deslocamento também é uma preocupação prática na UAMS: muitos pacientes vêm de longe, por isso é importante que entendam os requisitos e cheguem preparados.

Tamara Coughlin, diretora de cirurgia do Mile Bluff, relata que as enfermeiras dedicam menos horas às ligações de preparação e que os pacientes ficam prontos mais cedo, com menos trabalho para a equipe. Os pacientes podem fazer perguntas sempre que for conveniente, uma consideração importante para colonoscopias e outros procedimentos com várias etapas que exigem orientação da equipe perioperatória.

Agendamento de encaminhamentos é o próximo passo

O roteiro de inverno da Luma inclui procedimentos adicionais, entre eles endoscopia e tratamento da dor, além de um recurso que permitirá à IA ler um encaminhamento para um procedimento, entrar em contato com o paciente para agendá-lo e incluí-lo imediatamente nos contatos de preparação. Esses recursos estão planejados, mas ainda não foram lançados.

Esse roteiro ampliaria a coordenação por agentes para incluir o primeiro contato de agendamento e dar continuidade ao processo durante a preparação. À medida que a sequência se expande, o modelo de controle da equipe previsto no lançamento torna-se fundamental: os agentes cuidam da coordenação rotineira, enquanto cada sistema de saúde define as orientações aprovadas, os limites operacionais e os pontos de escalonamento, para que as enfermeiras mantenham as decisões que exigem discernimento clínico.

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.