Uma equipa de investigadoras da Universidade Carlos III de Madrid (UC3M) avaliou diferentes modelos de linguagem de inteligência artificial (IA) com o objetivo de simplificar os relatórios médicos e adaptá-los a uma linguagem mais clara para o público em geral. Este trabalho ajudará os doentes a compreender melhor os seus problemas de saúde e a cumprir adequadamente os tratamentos prescritos.
O trabalho, publicado na revista Scientific Reports, parte de um problema muito comum na sociedade atual: a dificuldade que muitas pessoas têm em entender os seus próprios relatórios médicos, o que afeta a sua capacidade de gestão da saúde. «Verificámos que 46% dos cidadãos europeus têm dificuldade em compreender um documento médico, pelo que desenvolvemos um conjunto de ferramentas que ajudam a melhorar a comunicação entre médico e doente», explica uma das autoras do estudo, Paloma Martínez, professora catedrática do Departamento de Informática da UC3M. «Para solucionar este problema, os modelos de linguagem podem gerar uma versão do documento utilizada pelo médico e outra versão adaptada ao doente, para que este consiga compreender as abreviaturas ou determinadas estruturas complexas presentes no relatório.»
A investigação é publicada num momento muito oportuno, segundo a equipa científica, dado que a 2 de janeiro de 2027 entrará em vigor o Decreto-Lei (Real Decreto) 707/2026, publicado no Diário da República espanhol (BOE) a 3 de setembro, que aprova o primeiro regulamento sobre as condições básicas de acessibilidade cognitiva. Esta norma estabelece os requisitos para tornar mais compreensíveis documentos, procedimentos e serviços para os cidadãos, impactando as administrações públicas em áreas como a justiça, a saúde, o emprego, os serviços digitais e os transportes.
«A linguagem clara é um quadro metodológico normalizado que garante que a informação seja fácil de encontrar, compreender e utilizar. Não consiste apenas em encurtar frases ou simplificar palavras, mas em estruturar o conteúdo de forma coerente, adaptar o vocabulário especializado e orientar explicitamente o utilizador nas suas necessidades de informação», explica outra das autoras, Lourdes Moreno, também professora catedrática do Departamento de Informática da UC3M.
A investigação baseou-se no estudo de 50 relatórios médicos obtidos a partir de casos clínicos da Sociedade Andaluza de Medicina Familiar e Comunitária. Cada relatório contou com três adaptações independentes, redigidas por peritos em acessibilidade cognitiva segundo a norma internacional de linguagem clara ISO 24495-1:2023, perfazendo um total de 150 textos adaptados. Os textos originais e as respetivas adaptações foram utilizados para afinar e avaliar os modelos.
As investigadoras avaliaram a simplificação, a similaridade semântica, a consistência factual, a legibilidade e o impacto ambiental de quatro famílias de modelos de linguagem (Llama 3.2 de 1B e 3B, Salamandra 2B e 7B, RigoChat-v2 7B e Medical-mT5 3B). Os resultados obtidos demonstram que não existe um modelo perfeito: o Llama-3.2-3B, por exemplo, apresenta o perfil mais equilibrado em eficiência, robustez e desempenho geral; enquanto o RigoChat-v2-7B se destaca quando a prioridade é a qualidade do texto e a legibilidade.
A análise dos textos gerados detetou três tipos de erros comuns às quatro famílias de modelos: por um lado, a sobressimplificação, que elimina detalhes clínicos cruciais para o doente; por outro, as alucinações clínicas, que inventam ou alteram dados do relatório original; e, por fim, a incoerência, caracterizada por frases fragmentadas ou saltos que dificultam a leitura. «É precisamente devido a este tipo de erros que a supervisão humana é necessária nestes modelos, sobretudo num contexto tão sensível como o da saúde», salienta Paloma Martínez.
As investigadoras disponibilizaram todo o material à comunidade científica de modo a promover a investigação reproduzível. «Os nossos modelos são abertos, pelo que tudo o que desenvolvemos — tanto o conjunto de dados como os modelos adaptados e os prompts — está acessível nos repositórios públicos GitHub e Zenodo para que outros investigadores possam dar continuidade ao nosso trabalho», conclui Paloma Martínez.
Este trabalho foi desenvolvido no âmbito do HumanAI (Human-Centered AI: Towards Accessible and Personalized Language Models), um projeto do Plano Estatal de Investigação Científica, Técnica e de Inovação (PEICTI) financiado pela Agência Estatal de Investigação de Espanha (PID2023-148577OB-C21). Mais informações: https://humanai.uc3m.es/
Referência bibliográfica:
Martínez, P., Sánchez-Gómez, J. M., & Moreno, L. (2026). Benchmark of small language models for plain-language simplification in Spanish clinical texts. Scientific Reports. DOI: https://doi.org/10.1038/s41598-026-65740-w e-Archivo de la UC3M: https://hdl.handle.net/10016/51142
Vídeo: https://youtu.be/cF0DYHY07KU