# Modelos de fundação treinados em prontuário eletrônico estruturado já têm evidência suficiente para uso clínico?

> A revisão sistemática identificou estudos com publicações crescentes e arquiteturas cada vez mais baseadas em transformers e uso generativo. Apenas 26% avaliaram transferência para bases externas e nenhum descreveu implantação clínica. As escolhas metodológicas e o relato permanecem fragmentados, sem melhores práticas estabelecidas para modelos de fundação em prontuário eletrônico estruturado.

Estudo citado: Guo LL, Arciniegas SE, Yan AP, Fries J, Tomlinson GA, Sung L. Systematic review of foundation models for structured electronic health records. Journal of the American Medical Informatics Association : JAMIA. 2026. DOI: https://doi.org/10.1093/jamia/ocag033. PubMed: https://pubmed.ncbi.nlm.nih.gov/41830958/

## Resposta

A revisão sistemática reuniu estudos que treinaram modelos de fundação em dados estruturados de prontuário eletrônico por aprendizado autossupervisionado e os aplicaram a tarefas de predição clínica. As publicações aumentaram ao longo do tempo. A maioria das bases de dados era dos Estados Unidos, e nenhum estudo treinou o modelo exclusivamente em coortes pediátricas.

Houve mudança no perfil dos modelos: a arquitetura passou a privilegiar transformers, com janelas de contexto mais longas, e a aplicação migrou do uso exclusivamente baseado em embeddings para uso generativo ou misto. Ao mesmo tempo, as escolhas sobre inclusão de variáveis, representação temporal, objetivo autossupervisionado e adaptação downstream permaneceram heterogêneas entre os estudos.

A avaliação de generalização ainda é limitada: somente 26% dos estudos testaram transferência para bases de dados externas, e nenhum descreveu implantação clínica. Indicadores-chave de escala e de poder computacional foram frequentemente não relatados, o que dificulta comparar desempenho e reprodutibilidade entre modelos.

Os autores concluem que os modelos de fundação para prontuário eletrônico estão se multiplicando e se tornando mais baseados em transformers e generativos, mas as escolhas metodológicas e o relato seguem fragmentados. Isso indica que os trade-offs de design e as melhores práticas ainda não estão estabelecidos. O resumo não informa métricas agregadas de desempenho preditivo.

Para o médico, o recado é de cautela: trata-se de tecnologia em amadurecimento metodológico, sem evidência de implantação clínica descrita nesta revisão. A decisão de adotar ferramentas desse tipo na prática ou na gestão do consultório deve considerar a ausência de padronização e de validação externa ampla, conforme o que o resumo permite concluir.

## O que o estudo mostrou

Revisão sistemática com busca em MEDLINE e Embase (2018 a outubro de 2025), seleção e abstração em duplicata, incluindo estudos de modelos de fundação pré-treinados em dados estruturados de prontuário eletrônico por aprendizado autossupervisionado e aplicados a predição clínica. As publicações aumentaram ao longo do tempo; 79% das bases eram dos Estados Unidos; nenhum estudo usou exclusivamente coortes pediátricas. A arquitetura migrou para transformers (P = .013) com janelas de contexto mais longas (P = .028), e a aplicação passou de exclusivamente embeddings para generativa ou mista (P < .001). Apenas 26% avaliaram transferência externa e nenhum descreveu implantação clínica.

## Limitações

O resumo não informa limitações formais do estudo, como risco de viés ou heterogeneidade estatística. Destaca que as escolhas metodológicas e o relato são fragmentados, com indicadores de escala e poder computacional frequentemente não reportados. A ausência de estudos com implantação clínica e a minoria com validação externa limitam conclusões sobre desempenho, robustez e impacto em desfechos importantes para pacientes.

## Aplicação no consultório

A revisão não sustenta adoção clínica rotineira desses modelos, pois nenhum estudo descreveu implantação e poucos testaram transferência externa. Na gestão do consultório, ao avaliar ferramentas de IA baseadas em prontuário eletrônico, o médico deve exigir transparência metodológica, validação em bases externas e clareza sobre as variáveis e a representação temporal usadas. O resumo não informa métricas de desempenho que permitam comparar produtos.

## Perguntas para aprofundar

- Quais escolhas de design dos modelos de fundação em prontuário eletrônico se associam a melhor transferência para bases externas?
- Como a mudança para arquiteturas transformers e uso generativo afeta a predição clínica em prontuário eletrônico?
- Que lacunas de relato metodológico dificultam a avaliação desses modelos para aplicação clínica?

Tema: IA em triagem e prontuário eletrônico. Página: https://alphadoctor.com.br/ciencia/ia-triagem-prontuario/modelos-de-fundacao-treinados-em-prontuario-eletronico-estruturado-ja-tem/

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