# Como a geração de linguagem natural tem sido aplicada e avaliada na área da saúde, e quais desafios persistem?

> Uma revisão sistemática de 113 estudos mostrou crescimento expressivo da geração de linguagem natural na saúde, com predomínio de modelos transformer encoder-decoder, uso frequente de métricas automáticas como ROUGE e BLEU e aplicações em sumarização, documentação clínica, diálogo médico e aumento de dados. Persistem desafios de consistência factual, explicabilidade, robustez da avaliação e segurança em IA.

Estudo citado: Lyu M, Li X, Chen Z, Pan J, Peng C, Talankar S et al.. Natural language generation in healthcare: A review of methods and applications. Journal of biomedical informatics. 2026. DOI: https://doi.org/10.1016/j.jbi.2026.104997. PubMed: https://pubmed.ncbi.nlm.nih.gov/41679677/

## Resposta

A geração de linguagem natural (NLG) na saúde evoluiu de forma substancial nos últimos anos. A revisão sistemática identificou 113 artigos que atenderam aos critérios de inclusão, extraídos de 3.988 publicações pesquisadas em bases como PubMed, ACM Digital Library, Web of Science, Science Direct, Scopus, Embase e ACL Anthology. O volume anual de publicações passou de 2 em 2018 para 40 em 2024, indicando amadurecimento do campo.

Em relação às modalidades de dados, a geração texto-para-texto foi a mais comum (65.5%), seguida por imagem-para-texto (19.5%) e multimodal-para-texto (15.0%). As arquiteturas baseadas em transformer foram dominantes, especialmente os modelos encoder-decoder (61.6%). Esse padrão reflete a centralidade dos grandes modelos de linguagem e da disponibilidade crescente de conjuntos de dados clínicos multimodais em larga escala.

A avaliação dos sistemas tem se apoiado principalmente em métricas automáticas, com destaque para ROUGE (81.4%) e BLEU (57.5%). Métricas de avaliação humana, como escalas Likert (31.9%), vêm sendo adotadas de forma crescente. Os domínios de aplicação mais prevalentes incluem sumarização (por exemplo, sumários de alta e laudos radiológicos), documentação clínica, diálogo médico e aumento de dados.

Apesar do avanço, a revisão aponta desafios persistentes: consistência factual, explicabilidade, robustez da avaliação e segurança em inteligência artificial. Superar essas barreiras é condição necessária para a adoção confiável da NLG em diferentes aplicações de saúde. O resumo não detalha a magnitude de cada limitação nem compara desempenho entre modelos específicos.

## O que o estudo mostrou

Trata-se de uma revisão sistemática que buscou estudos sobre NLG na saúde publicados de 2018 a 2024 em sete bases de dados. De 3.988 artigos, 113 foram incluídos e analisados quanto a modalidade de dados, arquitetura de modelo, métricas de avaliação e domínio de aplicação. Houve crescimento anual de publicações de 2 para 40. Predominaram texto-para-texto (65.5%), modelos encoder-decoder (61.6%), ROUGE (81.4%) e BLEU (57.5%).

## Limitações

O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, o risco de viés, a heterogeneidade entre as aplicações ou a comparação de desempenho entre modelos. Também não descreve limitações dos próprios dados analisados nem o impacto clínico das ferramentas revisadas, o que restringe conclusões sobre efetividade prática.

## Aplicação no consultório

Para o médico, a revisão indica que ferramentas de NLG já são estudadas para sumarização de laudos e sumários de alta, documentação clínica e diálogo médico. Ao avaliar soluções para o consultório, é prudente verificar como o sistema foi avaliado, se há avaliação humana além de métricas automáticas e se a consistência factual foi testada. A gestão deve considerar explicabilidade e segurança antes de incorporar essas ferramentas ao fluxo de trabalho.

## Perguntas para aprofundar

- Quais métricas devem ser exigidas ao avaliar uma ferramenta de NLG para documentação clínica?
- Como a consistência factual é verificada em sistemas de sumarização de laudos e sumários de alta?
- Quais domínios clínicos concentram as aplicações de NLG revisadas?

Tema: Escriba ambiental e documentação clínica com IA. Página: https://alphadoctor.com.br/ciencia/ia-escriba-documentacao/como-a-geracao-de-linguagem-natural-tem-sido-aplicada-e-avaliada-na-area-da/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.