Efetividade, Segurança e Carga de Fluxo de Trabalho de Geração de Relatório Médico de Grande Língua Baseada em Modelos: Revisão Sistemática

Revisão sistemáticaNível 1 · Evidência consolidadaJournal of medical Internet research9 set 20260 citações

O que aconteceu

Sistemas baseados em modelos de linguagem de grande porte (LMLs), LLMs multimodais e modelos de fundação de linguagem de visão estão cada vez mais sendo avaliados para geração de relatórios médicos em imagens e fluxos de trabalho clínicos relacionados. As revisões existentes resumiram arquiteturas técnicas, aplicações radiológicas, legibilidade e desempenho de referência, mas a prontidão clínica permanece incerta porque a segurança, a supervisão humana e os resultados do fluxo de trabalho são pouco e inconsistentemente relatados. O objetivo deste estudo é avaliar a eficácia (aceitação de especialistas e preferência cega), segurança (significativa clinicamente, omissão e erros de comissão) e carga de fluxo de trabalho (tempo de notificação, correções, distância de edição e carga de edição) da geração de relatórios médicos baseados em LLM. Pesquisamos PubMed/MEDLINE, Embase, Web of Science Core Collection, Scopus, e Cochrane Library para estudos publicados de 1o de janeiro de 2016, até 15 de maio de 2026. Estudos elegíveis avaliaram LLMs, LLMs multimodais ou modelos de fundação vision-language para geração de imagem a relatório, geração de impressão a partir de achados, elaboração de relatórios ou relatórios estruturados em fluxos de trabalho de imagem. Dois revisores realizaram triagem, extração, avaliação de risco-de-bias e avaliação da Grading of Recommendations Assessment, Development, and Evaluation-informed narrative seguraty assessment. Os resultados foram taxa de erro clinicamente significativa, taxa de erro de omissão, taxa de erro de comissão, tempo de notificação, carga de edição, aceitação por especialistas e preferência por especialistas cegos. A meta-análise não foi realizada porque nenhum desfecho comparável teve pelo menos 2 estudos com estrutura de tarefa compatível e dados analisáveis.

O que encontraram

Foram incluídos 101 estudos. A radiografia de tórax foi o maior grupo de modalidade (36 estudos), seguida de tomografia computadorizada, ressonância magnética (RM), ultra-sonografia, endoscopia, patologia, oftalmologia, eletrocardiograma, odontologia e contextos de modalidade mista. Nenhum estudo foi avaliado com baixo risco de viés; 15 eram moderados, 72 altos e 14 graves. As evidências de segurança e fluxo de trabalho permaneceram heterogêneas e, em grande parte, não pooláveis. Em um estudo de radiografia de tórax, o relato de IA foi semelhante ao dos laudos radiológicos (6047/8580, 70,5% vs 6288/8580, 73,3%), mas os achados falso-negativos foram ligeiramente maiores (1584/8580, 18,5% vs 1527/8580, 17,8%). Em um estudo clínico-colaboratório de radiografia de tórax, os relatos de IA foram equivalentes ou preferidos em 233 de 300 (77,7%) e 170 de 303 (56,1%) casos em 2 conjuntos de dados; contudo, os erros clinicamente significativos persistiram. Em um estudo de RM cerebral, a assistência de IA reduziu o tempo de leitura de 61 para 53 segundos, enquanto a elaboração da impressão aumentou o tempo de edição e a distância de edição.

Por que isso importa

Esta revisão muda a síntese da geração plausível de relatórios para efeitos clinicamente interpretáveis de eficácia, segurança e fluxo de trabalho. A aceitação e preferência dos especialistas sugeriram valor assistivo em configurações supervisionadas selecionadas, mas esses sinais foram limitados por relatos inconsistentes de erros clinicamente significativos, omissões, comissões e gerações falhadas. Os efeitos do fluxo de trabalho foram misturados, com alguns estudos relatando menor tempo de leitura ou suporte de redação, e outros relatando maior tempo de edição ou distância de edição. As evidências permanecem muito heterogêneas, tendenciosas e esparsas em pontos finais de caso para apoiar uma metanálise agrupada ou alegações autônomas de prontidão clínica. A adoção deve permanecer localmente validada, supervisionada por clínicos e acompanhada de relatórios padronizados de aceitação, preferência, omissões, comissões, gerações falhadas, tempo de notificação, correções e sobrecarga de edição.

Tradução automática do resumo original, publicado em Journal of medical Internet research sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.