PrototipeAI | Agente de IA Generativa para Predição de Hospitalizações

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para o Fluxo de Agentes "Predição de Hospitalizações", uma solução de automação projetada para prever hospitalizações futuras a partir da análise de dados de sinistros financeiros de uma operadora de saúde. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é identificar padrões de uso de procedimentos médicos que possam indicar uma alta probabilidade de internações de alto custo nos próximos 3 a 6 meses, permitindo ações preventivas por parte da operadora de saúde.

2. Contexto e Problema

Cenário Atual

A operadora de saúde enfrenta desafios significativos ao tentar prever hospitalizações de alto custo, especialmente aquelas relacionadas a doenças cardiovasculares, complicações de diabetes, cirurgias ortopédicas não acidentais, UTI neonatal em gestantes de risco e complicações de doenças pulmonares crônicas.

Atualmente, a análise dos dados de sinistros financeiros e a identificação de padrões de uso de procedimentos são feitas de forma manual, o que é demorado e propenso a erros.

Problemas Identificados

Previsão Inadequada: A falta de um sistema automatizado para prever hospitalizações resulta em ações reativas, em vez de preventivas.
Uso Ineficiente de Recursos: O tempo e os recursos gastos na análise manual de dados poderiam ser melhor utilizados em ações preventivas.
Risco de Custos Elevados: Sem previsões precisas, a operadora corre o risco de enfrentar custos inesperados significativos.

3. Impactos Esperados

A implementação deste fluxo de automação visa alcançar os seguintes resultados:

Reduzir o tempo de análise de dados e melhorar a precisão das previsões de hospitalização.
Permitir ações preventivas para reduzir a incidência de hospitalizações de alto custo.
Otimizar o uso de recursos da operadora de saúde, permitindo foco em intervenções eficazes.

4. Visão Geral da Solução

O agente de IA para predição de hospitalizações analisa dados de sinistros financeiros para identificar padrões de uso de procedimentos médicos que indicam alta probabilidade de internações futuras. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como um assistente proativo na gestão de saúde dos beneficiários.

A solução consiste em um fluxo de automação composto por 2 agentes de IA. O processo inicia com a análise dos dados de sinistros e termina com a geração de uma lista de beneficiários em potencial risco de hospitalização.

Agentes	Função Principal
`Agente de Análise de Sinistros` (RF 1)	Analisar procedimentos faturados em dados de sinistros financeiros para identificar padrões de uso.
`Agente de Predição de Hospitalizações` (RF 2)	Gerar lista de beneficiários com maior probabilidade de internações de alto custo em 3 a 6 meses.

5. Protótipos

Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram tanto o fluxo de trabalho dos agentes quanto o resultado final que a operadora de saúde receberá. Explore os links abaixo para entender melhor a solução em ação.

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Análise de Sinistros

1.1 Tarefa do Agente

Analisar procedimentos faturados em dados de sinistros financeiros para identificar padrões de uso.

1.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de sinistros financeiros de uma operadora de saúde. Esses dados contêm informações sobre procedimentos médicos faturados.

# 2. Objetivo
Analisar esses dados para identificar padrões de uso de procedimentos que possam indicar uma alta probabilidade de hospitalizações de alto custo.

# 3. Regras que você deve seguir para gerar sua resposta
- Classifique e registre procedimentos médicos recorrentes, documentando os custos associados.
- Identifique tendências de aumento de frequência em procedimentos específicos ao longo do tempo e registre essas tendências.
- Correlacione diferentes procedimentos com condições médicas associadas, documentando a relação.
- Analise a sazonalidade nos dados de sinistros e seu impacto nos padrões de uso, registrando quaisquer influências sazonais identificadas.

# 4. Exemplo de Output que você deve produzir
Lista de padrões de uso de procedimentos.

1.3 Configurações do Agente

1.3.1 Especificação do Input

Mecanismo de Acionamento: Este agente é o ponto de partida do fluxo e deve ser acionado pelo envio de dados de sinistros financeiros via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload de um arquivo csv na interface da Prototipe AI, para acelerar o processo de validação.
Tipo do input: Dados estruturados em formato de planilha, contendo informações sobre procedimentos médicos faturados.
Formatos Suportados: Esse agente deve ser capaz de receber dados nos formatos: .csv, .xlsx.
Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 100.000 caracteres.

1.3.2 Especificação do Output

Formato de output: O output deve ser uma lista de padrões de uso de procedimentos médicos, documentada em formato de texto estruturado.

Exemplo de Estrutura de Output:

Lista de padrões de uso de procedimentos.

Número de caracteres esperado: O texto final deve ser conciso e informativo, com um tamanho estimado em torno de 5.000 caracteres.

1.3.3 Parâmetros de Geração

Modelo: GPT-5
Temperatura: 0.6

1.3.4 Ferramentas do Agente

Documentos: Não consulta documentos externos.
Calculadora: Não utiliza.
Busca Online: Não utiliza.
Sistemas Externos: Não se conecta a sistemas externos.

1.3.5 Memória

Visibilidade das Instruções (Prompt): As instruções deste agente não devem ser visíveis para nenhum agente subsequente.
Visibilidade da Resposta: A resposta gerada por este agente deve ser visível para o Agente de Predição de Hospitalizações (RF 2).

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Predição de Hospitalizações (RF 2).

RF 2. Agente de Predição de Hospitalizações

2.1 Tarefa do Agente

Gerar lista de beneficiários com maior probabilidade de internações de alto custo em 3 a 6 meses.

2.2 Prompt ou Instruções do Agente

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista de padrões de uso de procedimentos médicos, identificados pelo agente anterior.

# 2. Objetivo
Calcular a probabilidade de hospitalização de cada beneficiário e gerar uma lista dos que têm maior risco de internações de alto custo nos próximos 3 a 6 meses.

# 3. Regras que você deve seguir para gerar sua resposta
- Calcule o risco de hospitalização por beneficiário usando os padrões de uso identificados.
- Priorize beneficiários com histórico de condições médicas críticas, como doenças cardiovasculares, diabetes e doenças pulmonares crônicas, e registre essa priorização.
- Avalie o risco de necessidade de UTI neonatal para gestantes em potencial risco e documente essa avaliação.
- Considere e documente a possibilidade de cirurgias ortopédicas não relacionadas a acidentes ao calcular riscos.

# 4. Exemplo de Output que você deve produzir
Lista de beneficiários com probabilidade de internações de alto custo.

2.3 Configurações do Agente

2.3.1 Especificação do Input

Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 1).
Tipo do input: Lista de padrões de uso de procedimentos médicos em formato de texto estruturado.
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato de texto estruturado.
Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 5.000 caracteres.

2.3.2 Especificação do Output

Formato de output: O output deve ser uma lista de beneficiários com alta probabilidade de internações, documentada em formato de texto estruturado.