Por Jordana Vieira – Assessoria de Comunicação do LAIS/UFRN

Otimizar rotinas de trabalhadores de diversas áreas é uma das utilidades atuais da Inteligência Artificial. Nesse sentido, pesquisadores do Laboratório de Inovação Tecnológica em Saúde (LAIS/UFRN), publicaram um artigo na revista científica internacional Frontiers, que objetiva avaliar métodos de sumarização automática de textos, por meio da tecnologia de IA, e comparar a qualidade dos resumos gerados pela máquina com os  produzidos por humanos, sob a perspectiva de Cientistas de Dados e Auditores lotados na Secretaria Nacional de Auditoria do Sistema Único de Saúde (AudSUS). 

Intitulado “Small language models applied in text summarization task of health-related news to improve public health audit: an experimental case study”, o estudo foi desenvolvido pelos pesquisadores Alysson Guimarães, Methanias Colaço Junior, Samuel Santana De Almeida, Gabriely Garcia Ferreira de Araújo, Raphael Silva Fontes, Helder Prado, Luca Pareja, Natan Matos, Ricardo Valentim e João Paulo Queiroz.

Para Alysson Guimarães, bacharel em Administração, com MBA em Inteligência Competitiva e mestrando em Ciência da Computação, a motivação do estudo está relacionada a lacunas na literatura científica sobre modelos de linguagem (LLMs) e à possibilidade de ampliar a eficiência da fase analítica do processo de auditoria na Saúde Pública. “A ideia do artigo surgiu dessas lacunas de pesquisa e da oportunidade de tornar mais eficiente a etapa analítica das auditorias em saúde”, explica.

Outra motivação dos pesquisadores para desenvolver o artigo, foi o desafio existente na rotina dos aproximadamente 400 auditores do Departamento Nacional de Auditoria do Sistema Único de Saúde (DenaSUS), que precisam analisar um imenso volume de dados e documentos gerados pelo Ministério da Saúde, e a análise manual de toda essa informação é humanamente impossível e pode comprometer a precisão das fiscalizações e a qualidade das decisões estratégicas. Na visão de Methanias Colaço Júnior, pós-doutor em Políticas e Gestão Públicas de IA para Cidades Inteligentes pela USP, “o artigo propõe uma ferramenta que funciona como um “filtro inteligente”. O auditor recebe um resumo preciso de onde estão os indícios de falhas”, afirma.

A ferramenta em questão se trata dos Small Language Models (SLMs), ou Modelos de Linguagem Pequenos. Eles são versões mais leves, rápidas e eficientes de IA, funcionam como especialistas. “Imagine que os grandes modelos de Inteligência Artificial (como o ChatGPT) são como bibliotecas gigantescas que sabem um pouco de tudo. A grande vantagem é que, por serem menores, eles podem ser “treinados” para tarefas muito específicas — como entender o vocabulário técnico da saúde e da auditoria — e funcionar em computadores comuns, sem a necessidade de super servidores caros. É a inteligência de ponta aplicada de forma prática e econômica”, explica Júnior.

Sobre os SLMs, o professor do Departamento de Engenharia Biomédica (DEB/UFRN), Ricardo Valentim, aponta que “por serem menores, eles são mais rápidos, mais eficientes e consomem menos energia e podem ser instalados em servidores locais, como os que temos no Laboratório de Inovação Tecnológica em Saúde, o que garante muito mais segurança e privacidade para os dados sensíveis do SUS e contribui para manter a soberania de dados no Brasil”. 

Para Gleyson José Pinheiro Caldeira Silva, pesquisador do LAIS/UFRN, é importante destacar a contribuição do estudo no cotidiano de trabalho dos auditores, “quem trabalha com auditoria e controle lida com uma avalanche de informação dispersa, e uma parte grande do esforço inicial é organizar contexto, separar o que é relevante e preparar a equipe antes da etapa operacional. O estudo mostra que modelos menores podem ajudar a reduzir esse peso inicial, agilizando a leitura e a organização do material, para que o tempo do profissional seja mais bem gasto na análise e no planejamento da ação”, declara.

No que diz respeito a contribuição acadêmica do estudo, o pesquisador do Núcleo Avançado de Inovação Tecnológica e Professor do Instituto Federal do Rio Grande do Norte (NAVI/IFRN), João Paulo Queiroz diz que o artigo traz contribuições significativas para o campo científico, “o estudo preenche uma lacuna ao avaliar e propor o uso de modelos menores (SLMs) especificamente para apoiar o processo de auditoria pública, investigando quais modelos são mais adequados para a tarefa de sumarização de textos nesse contexto. Ele demonstra que esses modelos podem preservar o significado contextual e sintetizar informações essenciais de forma tão ou mais eficaz que humanos” enfatiza.

A partir dos resultados do artigo foi possível observar que o potencial dos Modelos de Aprendizagem Automática como ferramentas para reduzir a sobrecarga de informações, aumenta a eficácia da fase analítica das auditorias e permite uma preparação mais rápida das equipes para a etapa operacional. Ao utilizar os modelos indicados no artigo é possível qualificar ainda mais o Sistema Único de Saúde , como agilizar o diagnóstico, otimizar recursos humanos e garantir a eficiência da fiscalização dos recursos financeiros. De acordo com Valentim, “os modelos de inteligência artificial, eles são incapazes de substituir o trabalho dos auditores no SUS, porém são ferramentas muito eficazes para aumentar a capilaridade desse trabalho e aprimorar a alocação de recursos no SUS, melhorando significativamente a prestação de serviço e o acesso aos serviços de saúde para toda a população”, finaliza.