Registo clínico e apoio à decisão com IA: o que mostram os estudos e o que muda em Portugal
Os primeiros ensaios randomizados com assistentes de registo clínico saíram em 2025. Junto aqui o que mostram sobre tempo, burnout e erros, o que se sabe do apoio à decisão clínica com IA e o que a governança, a soberania dos dados e as regras europeias e portuguesas exigem de quem os usa.
Em 2025 saíram os primeiros ensaios randomizados com assistentes de registo clínico, vulgarmente conhecidos como escribas ou scribes, em consulta real. Em 2026 vieram estudos com milhares de médicos, as primeiras avaliações fora do inglês e as primeiras avaliações de apoio à decisão clínica com IA dentro do serviço de urgência. Junto aqui o que esses estudos mostram, onde ainda falham e o que muda para quem os usa em Portugal.
De que falamos
Um assistente de registo clínico (em inglês, AI scribe ou ambient voice technology) ouve a consulta, transcreve-a e propõe a nota clínica estruturada.
Antigamente havia uma figura parecida: a datilógrafa, que a partir do ditafone escrevia o que o médico ditava, fossem os relatórios de imagiologia, de anatomia patológica ou das cirurgias. O assistente de registo vai ainda mais longe: transcreve, resume e organiza. Ao médico cabe a revisão, a correção e a decisão sobre o que fica e o que sai do registo clínico final.
Um sistema de apoio à decisão clínica com IA responde a perguntas durante a prática: a dose de um medicamento, uma interação medicamentosa, o que diz exatamente uma norma ou uma guideline num determinado momento, que exames pedir numa determinada situação, que ramo do algoritmo seguir e porquê.
Há várias ferramentas, e vários modelos de linguagem por trás delas. Uns são mais generalistas. Outros apoiam-se em documentos concretos e mostram de onde vem cada afirmação. E há os que alucinam, inventam dados ou foram treinados com informação desatualizada.
Cada uma destas ferramentas tem riscos diferentes. Um assistente de registo pode omitir ou inventar um facto da consulta:
- por alucinação do modelo;
- porque a gravação estava pouco inteligível e o modelo escolheu uma palavra que afinal não foi dita;
- porque trocou quem disse o quê, e atribuiu ao doente o que disse o médico ou o acompanhante;
- porque perdeu uma negação, e "nega dor torácica" passou a "dor torácica";
- porque confundiu medicamentos com nomes parecidos, ou uma dose dita de passagem;
- porque meteu na nota conversa que não era clínica.
O apoio à decisão pode recomendar mal:
- porque a guideline em que se apoia está desatualizada, ou não se aplica a Portugal;
- porque alucinou e inventou uma recomendação ou uma referência;
- porque confundiu conceitos parecidos;
- porque, no fundo, um modelo de linguagem escolhe a palavra seguinte mais provável, e às vezes a mais provável está errada.
Em ambos, a decisão e a assinatura continuam a ser do médico.
O que os ensaios mostram sobre os assistentes de registo
Em termos de tempo de documentação, os ganhos são reais, existem de facto, mas tendencialmente são modestos. No caso típico, o assistente poupa menos de um minuto por consulta; no melhor caso, com muita adesão, chega a cerca de 22 minutos por dia, ao nível de uma pessoa a fazer as notas à distância. O editorial que acompanhou os dois primeiros ensaios diz-o sem rodeios: por agora, ainda não são ferramentas de produtividade1. Onde o efeito é mais consistente é no burnout.
Tempo de documentação
- Num ensaio randomizado com dois assistentes comerciais, um reduziu o tempo nas notas em 9,5 %; o outro nem teve efeito significativo. Ambos melhoraram as escalas de burnout e a sensação de carga de trabalho2.
- Num ensaio pragmático com mais de 71 000 notas, o tempo nas notas desceu cerca de 22 minutos por dia, e a exaustão também3.
- Num estudo com 8581 profissionais, quem adotou o assistente fez cerca de meia consulta a mais por semana. Os maiores ganhos foram nos cuidados de saúde primários e em quem o usou em pelo menos metade das consultas. O trabalho fora de horas não mudou4.
Burnout
- Em 263 profissionais de consulta externa, a proporção com burnout desceu de 51,9 % para 38,8 % ao fim de 30 dias, com menos carga cognitiva e mais atenção ao doente5.
- Num ensaio cruzado com dois assistentes diferentes, ambos reduziram o burnout6.
Fora dos Estados Unidos e do inglês
Quase tudo o que sabemos vem dos Estados Unidos e de consultas em inglês. Os primeiros estudos europeus dão sinais que nos interessam diretamente:
- na Medicina Geral e Familiar dinamarquesa, menos tempo de documentação (autorreportado) e notas com qualidade igual ou ligeiramente melhor7;
- em consultas simuladas em neerlandês, a completude foi o ponto mais fraco e os sotaques regionais deram as piores notas8.
Convém, ainda assim, não exagerar. Uma revisão sistemática rápida de 2026 concluiu que a evidência ainda é heterogénea, de curto prazo e baseada sobretudo em medidas autorreportadas, e que ainda não demonstra ganhos sustentados de capacidade, qualidade ou segurança9. Os resultados são promissores, não definitivos.
Os riscos: omissões, invenções e revisão
Os erros existem e estão medidos. São poucos, mas não são zero, e alguns podem ter consequências para o doente.
- Em 12 999 frases geradas a partir de consultas, 1,47 % tinham informação inventada e 3,45 % omitiam informação relevante. Com melhores instruções e um melhor fluxo de trabalho, os erros graves ficaram abaixo dos descritos para notas escritas por humanos10.
- Em 100 internamentos, as notas de alta feitas por IA foram mais concisas e coerentes, mas menos completas e com mais erros por nota (2,91 contra 1,82), com um potencial de dano semelhante11.
- Nos ensaios, os médicos relataram imprecisões clinicamente relevantes "ocasionalmente"2.
Apoio à decisão clínica: ajudar a decidir
Aqui os estudos mostram duas coisas. Ter a IA disponível não chega: saber usá-la faz parte do resultado. E, mesmo quando as respostas são boas, o uso no dia a dia tende a cair.
- Num ensaio com 50 médicos, ter um modelo de linguagem disponível não melhorou o raciocínio diagnóstico face aos recursos habituais (76 % contra 74 %), embora o modelo sozinho tenha tido mais 16 pontos12.
- Noutro ensaio, com 92 médicos e casos complexos, quem usou o modelo decidiu melhor sobre tratamentos e exames (mais 6,5 %), mas demorou mais cerca de dois minutos por caso13.
- Numa urgência terciária, 99 de 100 respostas foram consideradas clinicamente adequadas e não houve eventos adversos, mas o uso caiu de 68 % para 30 % em quatro semanas, e caía à medida que o turno avançava14.
O que mais muda o desempenho é obrigar o modelo a responder a partir do texto das guidelines (a técnica chamada retrieval-augmented generation, ou RAG):
- nas guidelines de síndrome coronária aguda, a exatidão de um modelo comercial subiu de 71 % para 92 %16;
- com as guidelines alemãs de sarcoma, os erros desceram de 40 % para 10 %, e a página certa da guideline foi citada em 90 % das respostas, embora persistissem erros nos casos mais complexos17.
Daqui tiro duas lições. Um sistema de apoio à decisão deve responder a partir de fontes concretas e mostrar quais usou, para o médico poder confirmar. E essas fontes devem ser as que se aplicam a quem pergunta: noutro país, as normas e os medicamentos são outros, e as respostas também.
Governança: quem responde por quê
Governança soa a burocracia, mas é o que separa uma ferramenta que ajuda de uma que cria problemas. O consenso FUTURE-AI, com 117 especialistas de 50 países, resume-a em seis princípios (equidade, universalidade, rastreabilidade, usabilidade, robustez e explicabilidade) e 30 boas práticas para todo o ciclo de vida, do desenvolvimento à monitorização18.
Para um assistente de registo ou um sistema de apoio à decisão, isto quer dizer:
- revisão humana obrigatória: o médico responde pelo que fica no processo;
- rastreabilidade: saber que versão do modelo fez cada nota ou resposta, e com que fontes;
- modelos fixos por versão: uma atualização do fornecedor não muda o comportamento sem ser avaliada;
- avaliação local: testar com casos parecidos com os reais, na língua real, antes de alargar o uso;
- monitorização contínua da qualidade e dos erros;
- formação, incluindo sobre o viés de automação: a tendência para aceitar o que a máquina propõe sem verificar.
A privacidade também é governança. Os fornecedores diferem muito no tempo durante o qual guardam o áudio, a transcrição e a nota, e em usarem ou não esses dados para treinar modelos. Isto tem de estar claro antes de começar19.
Soberania dos dados e conformidade europeia
Uma consulta gravada é um dado de saúde, uma categoria especial no RGPD. Quem usa estas ferramentas deve saber responder a cinco perguntas:
- onde é processado cada dado (áudio, transcrição, nota, pergunta), e por que fornecedor;
- se algum fornecedor está fora do Espaço Económico Europeu, e com que garantias;
- quanto tempo fica guardado cada dado, e quando é apagado;
- se os dados servem para treinar modelos;
- que identificadores do doente chegam à IA.
Há ainda dois regulamentos europeus a ter em conta.
Regulamento da IA20. Em vigor desde agosto de 2024, classifica os sistemas por nível de risco21,22.
- Desde fevereiro de 2025 aplicam-se as proibições e a obrigação de literacia em IA para quem usa estes sistemas.
- O pacote legislativo conhecido como Omnibus Digital adiou em 2026 as regras para os sistemas de risco elevado: para dezembro de 2027 nos sistemas autónomos e para agosto de 2028 nos que fazem parte de produtos regulados, como os dispositivos médicos.
- Ajudar a documentar não é o mesmo que recomendar diagnósticos ou tratamentos. Um sistema de apoio à decisão pode ser software dispositivo médico e cair nas regras dos dispositivos médicos e do risco elevado.
Espaço Europeu de Dados de Saúde23. Em vigor desde março de 2025, aplica-se por fases a partir de março de 2027. Vai exigir mais interoperabilidade e segurança aos sistemas de registo de saúde eletrónico e dar aos cidadãos mais controlo sobre os seus dados.
Soberania dos dados, para mim, é isto: os dados clínicos ficam sob jurisdição europeia, com fornecedores europeus ou com garantias equivalentes, e não servem para mais nada além de ajudar o médico naquela consulta.
A realidade portuguesa
Portugal tem especificidades que um produto genérico, pensado para outro mercado, não resolve:
- a língua: português europeu, com o nosso vocabulário clínico e sotaques que vão do Minho aos Açores;
- as fontes: as normas da DGS, os RCM do Infarmed, o Formulário Nacional do Medicamento e os consensos das sociedades científicas portuguesas; quem só conhece guidelines americanas responde a outra realidade;
- os sistemas: o SClínico e os restantes sistemas de registo do SNS, a ICPC-2 nos cuidados de saúde primários e a ICD-10 nos hospitais;
- o enquadramento: a Comissão para a Inteligência Artificial da Ordem dos Médicos analisou a aplicação do Regulamento da IA à saúde em Portugal, apoiando-se também no Livro Branco sobre IA na Saúde publicado pelos SPMS em 2025, com a segurança do doente, a responsabilidade profissional e a confiança pública como prioridades24; a mesma comissão propôs formação pós-graduada em IA para médicos25.
O que perguntar antes de usar uma destas ferramentas
- Onde são processados o áudio, a transcrição e a nota, e por quem?
- O áudio é apagado? Quando?
- Os dados servem para treinar modelos?
- Que identificadores do doente chegam aos modelos de IA?
- As respostas mostram as fontes? São fontes portuguesas quando devem ser?
- A ferramenta funciona bem em português europeu, com os sotaques dos meus doentes?
- O que fica no processo passa sempre pela minha revisão?
- Há registo da versão do modelo e das fontes usadas em cada resposta?
Como a Celvi trabalha
Foi a pensar nestas perguntas que construímos a Celvi. A transcrição do áudio e os modelos de linguagem que escrevem as notas e respondem no assistente correm na União Europeia. Os identificadores diretos do doente são retirados antes de o texto chegar à IA. O áudio é apagado depois da transcrição. O assistente responde a partir das normas da DGS, dos RCM do Infarmed, do Formulário Nacional do Medicamento e de guidelines europeias e internacionais, e mostra a fonte de cada afirmação, ou diz quando não a encontrou. O médico revê sempre antes de copiar para o SClínico ou para o sistema que usa.
Os estudos mostram que estas ferramentas podem devolver tempo e reduzir o desgaste dos médicos. Mostram também que só o fazem com segurança quando o médico continua a decidir, as fontes estão à vista e os dados ficam protegidos.
Declaração de interesses: o autor é CEO e fundador da Celvi.
Referências
- Kim E, et al. AI Scribes Are Not Productivity Tools (Yet). NEJM AI. 2025. doi:10.1056/AIe2501051
- Lukac PJ, et al. Ambient AI Scribes in Clinical Practice: A Randomized Trial. NEJM AI. 2025. doi:10.1056/aioa2501000
- Afshar M, et al. A Pragmatic Randomized Controlled Trial of Ambient Artificial Intelligence to Improve Health Practitioner Well-Being. NEJM AI. 2025. doi:10.1056/aioa2500945
- Rotenstein LS, et al. Changes in Clinician Time Expenditure and Visit Quantity With Adoption of Artificial Intelligence-Powered Scribes: A Multisite Study. JAMA. 2026. doi:10.1001/jama.2026.2253
- Olson KD, et al. Use of Ambient AI Scribes to Reduce Administrative Burden and Professional Burnout. JAMA Netw Open. 2025. doi:10.1001/jamanetworkopen.2025.34976
- Chowdhury A, et al. Comparing ambient scribes: a randomized crossover clinical trial addressing ambient scribe technologies' impact on physician burnout. J Am Med Inform Assoc. 2026. doi:10.1093/jamia/ocag018
- Olsen LN, et al. AI-Assisted Clinical Documentation in Routine Danish General Practice: Quantitative Pre-Post Study. JMIR Hum Factors. 2026. doi:10.2196/94431
- Hoekman AH, et al. Three Ambient Listening Systems in Simulated Dutch-Language Multispeaker and Multidialect Clinical Encounters: Comparative Study. JMIR Med Inform. 2026. doi:10.2196/94586
- Lawrence R, et al. The use of ambient voice technology (AVT) for clinician-patient consultations in healthcare practice: A rapid systematic scoping review. BMJ Digit Health AI. 2026. doi:10.1136/bmjdh-2026-000120
- Asgari E, et al. A framework to assess clinical safety and hallucination rates of LLMs for medical text summarisation. npj Digit Med. 2025. doi:10.1038/s41746-025-01670-7
- Williams CYK, et al. Physician- and Large Language Model-Generated Hospital Discharge Summaries. JAMA Intern Med. 2025. doi:10.1001/jamainternmed.2025.0821
- Goh E, et al. Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial. JAMA Netw Open. 2024. doi:10.1001/jamanetworkopen.2024.40969
- Goh E, et al. GPT-4 assistance for improvement of physician performance on patient care tasks: a randomized controlled trial. Nat Med. 2025. doi:10.1038/s41591-024-03456-y
- Leibovitch L, et al. Prospective evaluation of a large language model clinical decision support system in the emergency department. Nat Med. 2026. doi:10.1038/s41591-026-04601-5
- Agweyu A, et al. Safety of a large language model-based clinical decision support system in African primary healthcare. Nat Health. 2026. doi:10.1038/s44360-026-00082-5
- Alexandrou M, et al. Performance of Large Language Models on the Acute Coronary Syndrome Guidelines Using Retrieval-Augmented Generation. JACC Cardiovasc Interv. 2025. doi:10.1016/j.jcin.2025.08.019
- Li CP, et al. Improving Accuracy and Source Transparency in Responses to Soft Tissue Sarcoma Queries Using GPT-4o Enhanced with German Evidence-Based Guidelines. Oncol Res Treat. 2025. doi:10.1159/000544978
- Lekadir K, et al. FUTURE-AI: international consensus guideline for trustworthy and deployable artificial intelligence in healthcare. BMJ. 2025. doi:10.1136/bmj-2024-081554
- Gerke S, Simon DA. Privacy Considerations of Artificial Intelligence Scribes. NEJM AI. 2026. doi:10.1056/AIpc2501401
- Regulamento (UE) 2024/1689 (Regulamento da Inteligência Artificial). EUR-Lex
- van Kolfschooten H, van Oirschot J. The EU Artificial Intelligence Act (2024): Implications for healthcare. Health Policy. 2024. doi:10.1016/j.healthpol.2024.105152
- Busch F, et al. Navigating the European Union Artificial Intelligence Act for Healthcare. npj Digit Med. 2024. doi:10.1038/s41746-024-01213-6
- Regulamento (UE) 2025/327 (Espaço Europeu de Dados de Saúde). EUR-Lex
- Frutuoso J, et al. Implementing the AI Act in the Portuguese Health Sector: Implications, Challenges and the CPIA-OM Perspective (em português). Acta Med Port. 2026. doi:10.20344/amp.24588
- Frutuoso J, et al. Postgraduate Education in Artificial Intelligence: A Proposal from the Artificial Intelligence Commission of the Portuguese Medical Association. Acta Med Port. 2026. doi:10.20344/amp.25177
Este artigo é informação para profissionais de saúde e não substitui a leitura das normas e guidelines citadas nem o juízo clínico.