Tradução não revistaA tradução em Português desta entrada não foi revista por pares e pode diferir da fonte. O acrónimo, o título completo e a citação mantêm-se sempre na língua original.Abrir a publicação original ↗

Tao LLM (care transitions)

An LLM Chatbot to Facilitate Primary-to-Specialist Care Transitions: A Randomized Controlled Trial

Doente / População Intervenção / Exposição Comparação Desfecho

Em 2.069 doentes que recorreram a consultas de especialidade, um chatbot LLM que recolhe a anamnese e redige a referenciação antes da consulta reduziu a duração da consulta de especialidade em comparação com ausência de chatbot antes da consulta de especialidade.

N
2069doentes
Desenho
RCT de três braços (PreA isolado, PreA com apoio de pessoal, sem PreA), dois centros de saúde, China
Desfecho
Duração da consulta médica, coordenação dos cuidados percebida pelo médico e facilidade de comunicação reportada pelo doente (coprimários)
Relevância
2Importante — um de vários pilares.
ResultadoConsulta 3,14 ± 2,25 vs. 4,41 ± 2,77 min (redução de 28,7 %; p<0,001); coordenação dos cuidados percebida pelo médico 3,69 ± 0,90 vs. 1,73 ± 0,95 (p<0,001); facilidade de comunicação reportada pelo doente 3,99 ± 0,62 vs. 3,44 ± 0,97 (p<0,001). Os braços apenas PreA e PreA-humano foram equivalentes.
Tao X, et al. Nat Med. 2026;32(3):934-942. 10.1038/s41591-025-04176-7
Discussão e crítica

Um dos primeiros ensaios com aleatorização de doentes de um LLM dirigido ao doente em cuidados de rotina, mostrando que um chatbot a operar autonomamente pode encurtar as consultas de especialidade e que o codesenho com os intervenientes locais superou o ajuste fino com dados de diálogo locais. Os endpoints são medidas de processo e de perceção e não desfechos clínicos, e o ensaio decorreu em dois centros.