O resultado chegou por e-mail às dez da noite, a consulta é só daqui a três semanas e tem um número marcado em negrito. A tentação é imediata: baixar o PDF, abrir um chatbot e perguntar “isso é grave?”. Em segundos vem uma resposta bem escrita, tranquila e convincente. O problema é que convincente e correto são coisas diferentes, e o caminho entre o seu laudo e a resposta da IA tem vários pontos onde a informação se perde.
Resposta rápida: chatbots de IA reconhecem bem os nomes dos exames e apontam valores fora da faixa, mas erram com frequência ao ler tabelas de PDF, ao lidar com unidades e com a vírgula decimal, ao ignorar que valores de referência mudam de laboratório para laboratório e ao interpretar resultados isolados sem o contexto clínico. Um estudo europeu publicado em 2023 concluiu que as interpretações costumam ser superficiais e nem sempre corretas. Use a IA para entender termos e preparar perguntas, não para tirar conclusões.
Antes de “entender”, a IA precisa ler o PDF
Quem trabalha com dados sabe que o primeiro erro raramente está no modelo. Está na entrada. Um laudo laboratorial em PDF é, para a máquina, um conjunto de caixas de texto posicionadas na página. Quando você cola esse conteúdo num chat ou envia o arquivo, alguma etapa precisa reconstruir a tabela: qual número pertence a qual exame, qual coluna é o resultado e qual é a referência.
É aí que aparecem os desalinhamentos. Uma linha quebrada no meio pode fazer o valor de referência de um exame “grudar” no exame seguinte. Um laudo escaneado passa por reconhecimento de caracteres e pode trocar um 8 por um 3. Cabeçalhos repetidos em cada página viram ruído. E o modelo, que é treinado para produzir texto plausível, raramente avisa que não teve certeza da leitura: ele simplesmente responde.
Na prática, um teste simples ajuda muito: peça para a IA transcrever primeiro a tabela que ela entendeu, antes de qualquer interpretação. Se a transcrição já vier errada, a interpretação também virá.
Unidades, vírgulas e o pesadelo dos números brasileiros
Laudos brasileiros usam vírgula como separador decimal e ponto como separador de milhar. Modelos treinados majoritariamente em textos em inglês convivem com a convenção inversa. Resultado: “1,2” pode ser lido como um vírgula dois ou como mil e duzentos, dependendo do contexto que o modelo inferir.
| Como aparece no laudo | O que significa | Leitura errada comum |
|---|---|---|
| Plaquetas: 250.000 /mm³ | Duzentas e cinquenta mil por milímetro cúbico | Interpretar como 250 com três casas decimais |
| Plaquetas: 250 x10³/µL | O mesmo valor, em outra notação | Achar que é um valor muito baixo |
| Creatinina: 0,9 mg/dL | Zero vírgula nove | Perder a vírgula e ler 9 |
| Glicose: 99 mg/dL | Unidade usada no Brasil | Comparar com faixas em mmol/L, comuns em outros países |
A troca de unidade é especialmente traiçoeira na glicose e no colesterol, em que mg/dL e mmol/L geram números completamente diferentes para o mesmo resultado. Se o modelo responder com faixas “de referência” que não estão no seu laudo, desconfie: ele pode ter trazido valores de outra convenção.
Valor de referência não é tabela universal
Este é o erro mais subestimado. A faixa de referência que aparece ao lado do seu resultado foi definida pelo laboratório para aquele método, aquele equipamento e, muitas vezes, para sexo, idade ou fase da vida. Hemoglobina, por exemplo, tem faixas diferentes para homens, mulheres, crianças e gestantes. Alguns hormônios mudam conforme a fase do ciclo menstrual.
Quando o chatbot ignora a referência impressa no laudo e usa uma faixa “genérica” que aprendeu em algum lugar, ele pode classificar como alterado um valor normal para aquele método, ou o contrário. Por isso, a instrução mais útil que você pode dar é: “use apenas os valores de referência que aparecem no laudo”.
Laboratórios que publicam materiais explicativos ajudam o paciente a fazer essa leitura com mais segurança. A Total Quality, laboratório em Caraguatatuba (SP), publica guias sobre como entender exames de sangue, com explicações sobre hemograma, glicemia e colesterol.
O que um estudo descobriu ao testar o ChatGPT com laudos
Em 2023, um grupo de trabalho em inteligência artificial da federação europeia de medicina laboratorial publicou na revista Clinical Chemistry and Laboratory Medicine uma avaliação do desempenho do ChatGPT na interpretação de exames laboratoriais. Os pesquisadores usaram dez casos fictícios, mas realistas, e especialistas avaliaram as respostas.
- O que funcionou: o modelo reconheceu todos os exames, identificou os valores fora da faixa e sempre recomendou procurar um médico.
- O que falhou: as interpretações foram superficiais e às vezes erradas, como tratar a elevação isolada de uma enzima hepática como lesão do fígado.
- O ponto cego: o modelo não integrou os resultados entre si nem diferenciou um desvio leve de um valor crítico.
- O que ficou de fora: fatores da coleta, como ausência de jejum, não foram considerados.
Os modelos evoluíram desde então, mas os limites apontados são estruturais: sem histórico, exame físico e conhecimento do método, qualquer leitura fica incompleta. O tema conversa com o texto IA pode ajudar na leitura de exames complexos?, que trata do uso da IA por profissionais.
O que o chatbot não sabe sobre a sua coleta
Um resultado laboratorial depende de coisas que nunca aparecem no PDF. A IA não sabe se você treinou pesado no dia anterior, se estava sem jejum, se toma suplemento com biotina (que pode interferir em alguns exames hormonais), se teve uma virose na semana anterior ou se a amostra esperou demais para ser processada.
O laudo mostra o número. O contexto que dá sentido a ele está na sua história, e a história não cabe num arquivo anexado.
Para quem desenvolve sistemas de saúde, esse é o mesmo problema da qualidade de dados na fase pré-analítica, discutido em Do ponto de coleta ao laudo: como dados evitam resultados frágeis. Do lado do paciente, a conclusão é parecida: o modelo trabalha com metade da informação.
Laudos de imagem e de sinais são outro território
Exames de sangue geram números. Outros exames geram sinais ou imagens, e o que chega ao paciente é a interpretação de um médico em texto. Um laudo de eletrocardiograma, por exemplo, resume um traçado que só pode ser avaliado com o próprio traçado em mãos. O mesmo vale para os laudos de tomografia, que usam vocabulário técnico denso e descrevem achados que muitas vezes não têm importância clínica.
Nesses casos, a IA pode ajudar a traduzir termos (“o que significa hipodensidade?”), mas não tem como avaliar a imagem ou o sinal de origem. Fotografar a tela de um eletroencefalograma ou a curva da espirometria e pedir um diagnóstico ao chatbot é pedir uma resposta para a qual ele não tem dados suficientes. Quem faz um eletroencefalograma em Caraguatatuba, na capital ou em qualquer outra cidade recebe o mesmo tipo de documento: a conclusão de um médico que analisou o registro completo, não o registro em si.
Privacidade: o laudo é dado sensível
Pela Lei Geral de Proteção de Dados, informações de saúde são dados pessoais sensíveis. Ao enviar um laudo completo para um serviço de IA, você compartilha nome, data de nascimento, CPF, código de acesso e resultados com uma empresa cujas regras de uso de dados talvez você nunca tenha lido.
Antes de colar qualquer coisa, apague:
- nome completo, CPF, RG e data de nascimento (informe só a idade);
- número do pedido, código de acesso e QR code;
- nome e registro do médico solicitante;
- endereço e telefone.
Prefira acessar o resultado pelo canal oficial do laboratório e copiar apenas a tabela que interessa. Um laboratório com resultado online costuma permitir baixar o laudo em PDF com segurança; na Total Quality, a maioria dos resultados fica disponível em até 24 horas, e o site identifica o responsável técnico pelo laboratório, informação que dá rastreabilidade ao laudo.
Como usar a IA sem cair nas armadilhas
- Peça a transcrição antes da interpretação e confira cada valor com o PDF.
- Informe idade, sexo, gestação e medicamentos em uso, sem dados que identifiquem você.
- Exija as referências do próprio laudo e as unidades exatamente como estão.
- Pergunte “quais perguntas devo levar ao médico?” em vez de “o que eu tenho?”.
- Desconfie de certeza. Uma resposta sem nenhuma ressalva sobre contexto é sinal de alerta, não de qualidade.
Do resultado normal ao valor alarmante: o que fazer em cada situação
Se o resultado está dentro da faixa e você só quer entender os nomes dos exames, a IA é uma boa ferramenta de tradução. Confira a transcrição e siga a vida até a consulta. Dúvidas sobre preparo, coleta ou acesso ao laudo devem ir para o próprio laboratório: na Total Quality, em Caraguatatuba, o agendamento e as orientações de preparo são feitos pelo WhatsApp ou telefone.
Se há um valor fora da referência e você não tem sintomas, use o chatbot para montar perguntas, não para decidir. Leve o laudo e as perguntas ao médico que pediu o exame.
Se o valor parece muito alterado ou você tem sintomas como febre alta, falta de ar, dor no peito, desmaio ou sangramento, não espere uma resposta de IA. Procure atendimento médico.
E se você desenvolve produtos que leem exames, trate a extração da tabela como o problema principal: preserve unidades e referências do laboratório, nunca recalcule faixas por conta própria e deixe claro para o usuário o que o sistema não sabe.
