1. Propósito e Escopo
Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para um agente de IA que analisa exames de imagem, como raios-X e ressonâncias magnéticas, para identificar padrões e anomalias, auxiliando no diagnóstico médico. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.
O objetivo principal é transformar exames de imagem em relatórios interpretativos padronizados, que aceleram diagnósticos e garantem a padronização na interpretação de imagens entre diferentes profissionais de saúde.
2. Contexto e Problema
Cenário Atual
A interpretação de exames de imagem, como raios-X e ressonâncias magnéticas, enfrenta desafios significativos:
- Dificuldade em detectar anomalias sutis em exames de imagem devido à grande quantidade de dados e detalhes.
- Necessidade de reduzir o tempo de análise de imagens para acelerar diagnósticos.
- Falta de padronização na interpretação de imagens entre diferentes profissionais.
Atualmente, o processo de análise é manual, requerendo tempo e experiência significativos dos profissionais de saúde, o que pode levar a variações na qualidade e precisão dos diagnósticos.
Problemas Identificados
- Consumo de tempo: A análise manual de exames de imagem consome um tempo valioso dos radiologistas, que poderia ser usado para atender mais pacientes.
- Inconsistência: Diferentes profissionais podem interpretar as mesmas imagens de maneiras variadas, resultando em diagnósticos inconsistentes.
- Risco de erros: A possibilidade de passar despercebidas anomalias sutis em exames de imagem é alta, especialmente em casos complexos.
3. Impactos Esperados
A implementação deste agente de IA visa alcançar os seguintes resultados:
- Reduzir o tempo de análise de imagens em pelo menos 50%.
- Padronizar a interpretação de exames de imagem entre diferentes profissionais de saúde.
- Aumentar a precisão na detecção de anomalias sutis em exames de imagem.
- Melhorar a eficiência dos processos de diagnóstico, permitindo que os profissionais de saúde atendam a mais pacientes.
4. Visão Geral da Solução
O agente de IA para interpretação de exames de imagem utiliza técnicas de aprendizado profundo para analisar exames como raios-X e ressonâncias magnéticas, identificando padrões e anomalias para auxiliar no diagnóstico médico. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como um assistente útil e autônomo na interpretação de exames de imagem.
A solução consiste em um fluxo de automação composto por 4 agentes de IA. O processo inicia com a validação e normalização dos exames de imagem e termina com a geração de um relatório radiológico padronizado.
A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo.
| Agentes | Função Principal |
|---|---|
Agente de Validação e Normalização de Entrada de Exames de Imagem (RF 1)
| Validar e normalizar o pacote de exame para garantir padronização mínima antes da extração de achados. |
Agente de Extração Estruturada de Achados em Imagem (RF 2)
| Extrair, descrever e mensurar achados relevantes na imagem de forma padronizada. |
Agente de Priorização Clínica e Padronização de Classificações (RF 3)
| Classificar achados por criticidade, sugerir hipóteses diferenciais e definir urgência. |
Agente de Geração de Relatório Radiológico Padronizado (RF 4)
| Produzir relatório interpretativo padronizado e consistente. |
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 o cliente receberá. Explore os links abaixo para entender melhor a solução em ação.
6. Requisitos Funcionais
RF 1. Agente de Validação e Normalização de Entrada de Exames de Imagem
1.1 Tarefa do Agente
Validar e normalizar o pacote de exame (imagens e metadados) para garantir padronização mínima antes da extração de achados.
1.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um pacote de exame contendo imagens e metadados. Este pacote precisa ser validado e normalizado para garantir que está em conformidade com os padrões necessários para a extração de achados.
# 2. Objetivo
Validar e normalizar o pacote de exame para garantir padronização mínima antes da extração de achados.
# 3. Regras que você deve seguir para gerar sua resposta
- Priorize o formato DICOM para imagens; aceite JPEG/PNG somente se a resolução mínima for >= 1024 px no menor lado.
- Confirme a ausência de PHI em cabeçalhos e overlays; se identificadores pessoais forem detectados, marque lista_inconformidades e reprove.
- Normalize a modalidade em {CR, DX, MG, CT, MR, US, NM, PET} e a região anatômica em taxonomia clínica comum (ex.: tórax, crânio, abdome).
- Para CR/DX tórax, idealmente 2 projeções (PA/LL ou AP/LL); para CT tórax, espessura de corte <= 2 mm; para MR encéfalo, incluir T1, T2, FLAIR.
- Capture pixel_spacing e slice_thickness quando disponíveis; se ausentes, registre como desconhecido.
- Valide a presença de texto objetivo na indicação clínica; se ausente, anote como “indicação não informada”.
- Se houver estudos anteriores, marque estudos_anteriores_disponiveis = sim e liste datas.
# 4. Exemplo de Output que você deve produzir
input_normalizado com: status_validacao (aprovado/reprovado), lista_inconformidades, modalidade_padronizada, regiao_anatomica_padronizada, orientacao_padronizada, resumo_parametros_tecnicos (resolucao, pixel_spacing, slice_thickness, contraste: sim/nao), estudos_anteriores_disponiveis (sim/nao), pronto_para_extracao (true/false). 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 um pacote de exame de imagem via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload na interface da Prototipe AI, para acelerar o processo de validação.
- Tipo do input: O input inicial para o fluxo é um pacote de exame que contém imagens e metadados.
-
Formatos Suportados: Esse agente deve ser capaz de receber imagens nos formatos:
.dcm,.jpg,.png. - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 50.000 caracteres.
1.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON estruturado contendo o status de validação, lista de inconformidades, modalidade padronizada, entre outros.
-
Exemplo de Estrutura de Output:
{ "status_validacao": "aprovado", "lista_inconformidades": [], "modalidade_padronizada": "CR", "regiao_anatomica_padronizada": "tórax", "pronto_para_extracao": true } - Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 800 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 Extração Estruturada de Achados em Imagem (RF 2).
1.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Extração Estruturada de Achados em Imagem (RF 2).
RF 2. Agente de Extração Estruturada de Achados em Imagem
2.1 Tarefa do Agente
Extrair, descrever e mensurar achados relevantes na imagem de forma padronizada, preparando base objetiva para priorização clínica.
2.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um input normalizado que está pronto para a extração de achados. Este input contém imagens normalizadas e metadados técnicos.
# 2. Objetivo
Extrair, descrever e mensurar achados relevantes na imagem de forma padronizada, preparando base objetiva para priorização clínica.
# 3. Regras que você deve seguir para gerar sua resposta
- Descreva a localização anatômica em termos padronizados (ex.: lobos pulmonares, segmentos hepáticos).
- Sempre reporte o maior eixo em mm e, quando possível, dois eixos adicionais perpendiculares.
- Para CT, inclua HU médios do achado e do parênquima adjacente quando útil; para MR, qualifique sinal como hipo/iso/hiper em T1/T2/FLAIR.
- Qualifique morfologia: bordos (lisos/lobulados/espiculados), forma (redonda/oval/irregular), padrão interno (sólido/parte-sólido/vidro-fosco/cístico).
- Atribua confianca_achado entre 0 e 1 conforme clareza visual e suporte por múltiplas séries/projeções.
- Estime qualidade_imagem_score (1–5) com base em ruído, artefatos, colimação, posicionamento e adequação de contraste.
# 4. Exemplo de Output que você deve produzir
achados_brutos: lista de objetos com campos {estrutura_anatomica, lado (D/E/NA), localizacao_descritiva, coordenadas/referencia_serie_corte (quando aplicável), medidas {maior_eixo_mm, eixos_adicionais_mm}, caracteristicas_por_modalidade, padroes_morfologicos, qualidade_imagem_score (1–5), observacoes_tecnicas, confianca_achado (0–1)} e resumo_tecnico. 2.3 Configurações do Agente
2.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 1).
- Tipo do input: Este agente deve ser apto a receber como input um JSON estruturado contendo as imagens normalizadas e metadados técnicos.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.json(JSON). - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 10.000 caracteres.
2.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON estruturado contendo a lista de achados brutos com suas respectivas medidas e características.
-
Exemplo de Estrutura de Output:
{ "achados_brutos": [ { "estrutura_anatomica": "pulmão direito", "maior_eixo_mm": 15, "confianca_achado": 0.9 } ] } - Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 2.000 caracteres.
2.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
2.3.4 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
2.3.5 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 Priorização Clínica e Padronização de Classificações (RF 3).
2.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Priorização Clínica e Padronização de Classificações (RF 3).
RF 3. Agente de Priorização Clínica e Padronização de Classificações
3.1 Tarefa do Agente
Classificar achados por criticidade, sugerir hipóteses diferenciais e definir urgência com base em regras clínicas consolidadas e thresholds objetivos.
3.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista de achados brutos extraídos de imagens. Esses achados precisam ser classificados por criticidade e urgência.
# 2. Objetivo
Classificar achados por criticidade, sugerir hipóteses diferenciais e definir urgência com base em regras clínicas consolidadas e thresholds objetivos.
# 3. Regras que você deve seguir para gerar sua resposta
- Notifique urgência imediata para: pneumotórax moderado/grande, derrame pericárdico com sinais de tamponamento, hemorragia intracraniana aguda.
- Urgência 24h para: nódulo pulmonar sólido > 8 mm sem estudo prévio, massa intracraniana com efeito de massa.
- Eletivo para achados incidentais de baixo risco (cistos simples, calcificações distróficas).
- Classifique nódulos tireoidianos, mamografias e nódulos pulmonares conforme mapeamentos padronizados (TI-RADS, BI-RADS, Lung-RADS).
- Gere de 1 a 3 hipóteses diferenciais por achado, priorizando coerência com localização, morfologia e contexto clínico.
# 4. Exemplo de Output que você deve produzir
achados_priorizados: lista com {achado_id, classificacao_criticidade, nivel_urgencia, hipoteses_diferenciais_ordem, recomendacoes_iniciais} e sumario_de_risco do estudo. 3.3 Configurações do Agente
3.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 2).
- Tipo do input: Este agente deve ser apto a receber como input um JSON estruturado contendo a lista de achados brutos extraídos das imagens.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.json(JSON). - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 15.000 caracteres.
3.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON estruturado contendo a classificação dos achados, urgência e recomendações iniciais.
-
Exemplo de Estrutura de Output:
{ "achados_priorizados": [ { "achado_id": 1, "classificacao_criticidade": "critico", "nivel_urgencia": "imediato", "hipoteses_diferenciais_ordem": ["pneumonia", "tuberculose"] } ] } - Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 2.500 caracteres.
3.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
3.3.4 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
3.3.5 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 Geração de Relatório Radiológico Padronizado (RF 4).
3.3.6 Regras de Orquestração e Transição
Ao concluir sua execução, esse agente aciona o Agente de Geração de Relatório Radiológico Padronizado (RF 4).
RF 4. Agente de Geração de Relatório Radiológico Padronizado
4.1 Tarefa do Agente
Produzir relatório interpretativo padronizado, claro e consistente, com estrutura fixa e variáveis preenchidas a partir dos achados priorizados.
4.2 Prompt ou Instruções do Agente
# 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma lista de achados priorizados a partir dos quais deve gerar um relatório radiológico padronizado.
# 2. Objetivo
Produzir relatório interpretativo padronizado, claro e consistente, com estrutura fixa e variáveis preenchidas a partir dos achados priorizados.
# 3. Regras que você deve seguir para gerar sua resposta
- Siga a estrutura obrigatória: Identificação do exame, Técnica, Limitações, Achados, Conclusão/Impressão, Categorizações padronizadas, Recomendações.
- Use linguagem objetiva, sem ambiguidade; use termos padronizados e evite inferências não suportadas pelos achados.
- Priorize achados críticos na conclusão; explicite necessidade_de_comunicacao_imediata = sim quando aplicável.
- Referencie cada conclusão ao achado correspondente (id) e localização exata (série/corte/projeção).
# 4. Exemplo de Output que você deve produzir
relatorio_final estruturado em dois formatos: a) JSON com campos {identificacao_exame, tecnica, limitacoes, achados_detalhados, impressao/Conclusao, categorizacoes, recomendacoes, necessidade_de_comunicacao_imediata}; b) Texto padronizado pronto para prontuário. 4.3 Configurações do Agente
4.3.1 Especificação do Input
- Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão bem-sucedida do agente anterior (RF 3).
- Tipo do input: Este agente deve ser apto a receber como input um JSON estruturado contendo a lista de achados priorizados.
-
Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato:
.json(JSON). - Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 15.000 caracteres.
4.3.2 Especificação do Output
- Formato de output: O output deve ser um JSON estruturado e um texto padronizado pronto para prontuário, ambos contendo a interpretação dos achados.
-
Exemplo de Estrutura de Output:
{ "relatorio_final": { "identificacao_exame": "ID12345", "achados_detalhados": "Achados críticos identificados...", "necessidade_de_comunicacao_imediata": "sim" } } - Número de caracteres esperado: O JSON gerado terá um tamanho aproximado de 3.000 caracteres.
4.3.3 Parâmetros de Geração
- Modelo: GPT-5
- Temperatura: 0.6
4.3.4 Ferramentas do Agente
- Documentos: Não consulta.
- Calculadora: Não utiliza.
- Busca Online: Não utiliza.
- Sistemas Externos: Não utiliza.
4.3.5 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 é o entregável final e não é passada para outros agentes internos.
4.3.6 Regras de Orquestração e Transição
A execução deste agente finaliza o fluxo. O relatório gerado é o resultado que deve ser disponibilizado ao usuário.