Agente de IA para Monitoramento de Infecções Hospitalares

Este documento define todos os prompts, configurações de memória, transição entre estados e demais requisitos funcionais para um agente de IA de monitoramento de infecções hospitalares. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é utilizar dados de prontuários eletrônicos e registros de pacientes para detectar precocemente sinais de infecções hospitalares, permitindo ações imediatas das equipes médicas.

Cenário Atual

O monitoramento de infecções hospitalares enfrenta desafios significativos, incluindo:

• Falta de detecção precoce e precisa de infecções hospitalares, levando a surtos descontrolados.
• Dados de prontuários e registros de pacientes dispersos e subutilizados para monitoramento de infecções.
• Necessidade de reconhecimento de padrões complexos que sinalizem infecções emergentes.

Problemas Identificados

• Detecção tardia: Infecções são frequentemente identificadas tardiamente, quando já se espalharam e se tornaram mais difíceis de controlar.
• Uso ineficiente de dados: Os dados disponíveis nos prontuários são subutilizados, não contribuindo efetivamente para a prevenção de infecções.
• Complexidade na análise de padrões: A identificação de padrões que indicam infecções emergentes requer análise avançada de dados, muitas vezes além da capacidade humana.

A implementação deste agente de IA visa alcançar os seguintes resultados:

• Melhorar a detecção precoce de infecções hospitalares, permitindo intervenções mais rápidas.
• Otimizar o uso de dados de prontuários, transformando-os em informações acionáveis para prevenção de infecções.
• Reconhecer padrões complexos que sinalizem infecções emergentes, utilizando algoritmos de aprendizado de máquina.

O agente de IA para monitoramento de infecções hospitalares analisa dados de prontuários eletrônicos, utilizando algoritmos de aprendizado de máquina para detectar padrões e sinais de infecções emergentes. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como um assistente útil e autônomo no monitoramento de infecções hospitalares.

A solução consiste em um agente de IA que processa continuamente dados de saúde dos pacientes, identificando sinais precoces de infecção e alertando as equipes médicas para ação imediata.

A execução do agente é contínua e automatizada, garantindo que qualquer sinal de infecção emergente seja rapidamente identificado e comunicado.

Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram o fluxo de trabalho do agente e o resultado final que o hospital receberá. Explore os links abaixo para entender melhor a solução em ação.

RF 1. Agente de Análise de Prontuários

 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo dados de prontuários eletrônicos em formato JSON com informações de saúde do paciente. Este conjunto de dados inclui parâmetros vitais, resultados laboratoriais e histórico médico.

# 2. Objetivo
Analisar continuamente os dados de prontuários eletrônicos para identificar sinais precoces de infecção, utilizando algoritmos de aprendizado de máquina para detectar padrões e tendências.

# 3. Regras que você deve seguir para gerar sua resposta
- Extraia e monitore dados de prontuários eletrônicos, focando em alterações em parâmetros vitais, resultados laboratoriais e outros indicadores clínicos que possam indicar sinais precoces de infecção.
- Aplique algoritmos de aprendizado de máquina para detectar padrões e tendências em grandes volumes de dados, correlacionando sintomas, histórico do paciente e resultados de exames para identificar potenciais infecções.
- Emita alertas automáticos e imediatos para as equipes médicas quando forem detectados padrões que correspondam a infecções emergentes, especificando o tipo de infecção e o nível de urgência.
- Atualize e re-treine continuamente o modelo de análise com novos dados para aprimorar a precisão e a sensibilidade na detecção de infecções emergentes.

# 4. Exemplo de Output que você deve produzir
{
  "sinal_infeccao": true,
  "tipo_infeccao": "infecção respiratória",
  "nivel_urgencia": "alto"
}