Sua ferramenta de pareamento por IA não distingue um cateter venoso central de um cateterismo cardíaco. E isso custa US$ 800 mil por dia.

Como o pareamento orientado por ontologia difere do que a Tempus ou a IQVIA já oferecem?

O Tempus Patient Query e as ferramentas de pareamento da IQVIA usam grandes modelos de linguagem para ler anotações clínicas e pontuar a relevância em relação aos critérios do ensaio. Isso funciona bem para critérios simples, mas falha em distinções ontológicas. Quando um protocolo exclui "cateterismo cardíaco" e o registro de um paciente menciona "inserção de cateter venoso central," um LLM operando por similaridade vetorial vê dois procedimentos com cateter envolvendo o sistema cardiovascular e sinaliza um pareamento. Um sistema fundamentado em SNOMED-CT reconhece que estes se situam em ramos totalmente diferentes da hierarquia de procedimentos (SCTID 41976001 vs. 392230005) e corretamente considera o paciente elegível.

A diferença prática aparece nas taxas de falha de triagem. O pareamento baseado em LLM costuma atingir de 85% a 94% de precisão em critérios bem estruturados, mas cai para 70% a 80% em protocolos com distinções ontológicas complexas, lógica temporal ou cláusulas de exceção. O pareamento orientado por ontologia mantém mais de 95% de precisão em todos os tipos de critério, porque a decisão de elegibilidade é computada por um raciocinador simbólico, não prevista por um modelo de linguagem.

A outra diferença estrutural é a auditabilidade. Um LLM produz uma pontuação de relevância. Nosso sistema produz um rastro de raciocínio: o paciente tem o SCTID X, o critério exige não-SCTID Y, X não-é-um-subtipo-de Y conforme a hierarquia do SNOMED, portanto elegível. Esse rastro é o que as equipes de assuntos regulatórios precisam para a documentação de submissão à FDA.

Isto pode integrar-se ao nosso sistema de prontuário eletrônico existente sem enviar dados de pacientes a APIs externas?

Sim, e este é um princípio arquitetural central, não algo pensado posteriormente. A arquitetura neuro-simbólica separa a camada neural (LLM para extração de entidades) da camada simbólica (grafo de conhecimento e solucionador lógico). Ambas podem rodar inteiramente dentro do seu firewall.

A camada de extração por LLM é implantada como um modelo local, tipicamente um modelo de linguagem clínica com fine-tuning rodando na sua infraestrutura ou em uma instância de nuvem privada segura. Ele nunca envia texto bruto de pacientes a APIs externas. O grafo de conhecimento (Neo4j ou equivalente) e a ontologia SNOMED-CT ficam on-premise. O FHIR R4 é o padrão de entrada. Para ambientes Epic, construímos contra os endpoints FHIR R4 disponíveis pelo App Orchard, extraindo recursos Patient, Condition, Procedure e MedicationAdministration. Para o Oracle Health (Cerner), a integração usa suas APIs FHIR do Millennium.

A camada de extração processa as anotações clínicas localmente, mapeia entidades para SCTIDs, e o raciocinador simbólico avalia a elegibilidade em relação aos critérios do protocolo. As informações de saúde protegidas nunca saem do seu ambiente seguro. Projetamos para conformidade com o HIPAA BAA desde o primeiro dia, incluindo registro de auditoria, controles de acesso mínimo necessário e capacidades de desidentificação para quaisquer dados que de fato precisem transitar entre sistemas.

Para quais áreas terapêuticas isso funciona e quanto tempo leva a configuração da ontologia?

A arquitetura funciona para qualquer área terapêutica porque o SNOMED-CT cobre mais de 350.000 conceitos médicos. A variável é a profundidade da ontologia, ou seja, quantos mapeamentos específicos do domínio, sinônimos e relações hierárquicas estão pré-configurados para os seus protocolos específicos.

A oncologia é por onde iniciamos a maioria dos contratos, porque os critérios são os mais complexos: requisitos de biomarcadores (níveis de expressão de PD-L1, status de mutação BRCA1/2, variantes de EGFR), sistemas de estadiamento (TNM, 8ª edição do AJCC), históricos de regimes prévios com restrições temporais e escores de status de desempenho. Uma ontologia de oncologia pronta para produção que cubra os 50 principais biomarcadores, mais de 200 regimes de tratamento e os sistemas de estadiamento padrão leva de 6 a 8 semanas para ser construída e validada.

Cardiovascular e SNC são as próximas mais comuns. A ontologia cardiovascular foca nas hierarquias de procedimentos (a distinção do cateterismo cardíaco é apenas uma de dezenas), nas cadeias de interação medicamentosa via vias da enzima CYP e nos intervalos de valores laboratoriais com ajustes de referência específicos de cada unidade. O SNC acrescenta o tratamento de desfechos subjetivos e o mapeamento de escores de avaliação cognitiva.

A doença rara é tecnicamente a mais desafiadora, porque a cobertura do SNOMED pode ser escassa para condições ultrarraras. Complementamos com mapeamentos da ontologia Orphanet e construímos extensões de conceitos personalizadas que realimentam o grafo. A configuração para uma área terapêutica de doença rara leva de 8 a 12 semanas. Cada ontologia é validada contra critérios reais de protocolos do seu portfólio de ensaios antes de entrar em produção.

Como isto lida com as complexas cláusulas de "salvo se" e "exceto" dos protocolos de ensaios modernos?

É aqui que a lógica determinística supera os modelos de linguagem probabilísticos com maior clareza. O NLP padrão trata os critérios de elegibilidade como texto a ser interpretado. Nós os tratamos como lógica formal a ser computada.

Pegue um critério real: "Excluir pacientes com hipertensão, salvo se bem controlada com medicação estável por pelo menos 3 meses." Um LLM vê a palavra "hipertensão" e precisa decidir, a partir do contexto, se deve excluir. Ele acerta na maior parte das vezes, mas "na maior parte das vezes" significa perder pacientes elegíveis em cada ensaio.

Nosso analisador decompõe isso em operadores deônticos. Proibição: hipertensão presente. Condição de permissão: hipertensão E controlada (PA abaixo de 140/90 conforme a definição do protocolo) E medicação estável (mesmo regime anti-hipertensivo) E restrição temporal (3+ meses de duração). O sistema então consulta o histórico de medicação do paciente no grafo de conhecimento, identifica o anti-hipertensivo, verifica a data de início da prescrição, calcula o delta de duração em relação à data de triagem e verifica as aferições de pressão arterial dentro da janela de observação. Cada etapa produz uma saída verificável.

A mesma lógica lida com cadeias como "sem quimioterapia prévia salvo se a terapia neoadjuvante tiver sido concluída há mais de 6 meses" verificando o atributo de intenção da terapia (neoadjuvante vs. adjuvante vs. paliativa), a data de término e o delta temporal. Estes não são casos isolados. Dados da IQVIA mostram que os protocolos agora têm em média 27+ critérios de elegibilidade, muitos com condicionais aninhadas. Uma única cláusula de exceção mal tratada por protocolo, ao longo de centenas de pacientes triados, acumula-se em dezenas de recrutamentos perdidos.

Como é um contrato típico e quanto custa em comparação com o licenciamento de uma plataforma?

Um contrato típico se desenrola em três fases ao longo de 14 a 20 semanas. A Fase 1 (3-4 semanas) é uma auditoria das operações de recrutamento: analisamos as suas taxas atuais de falha de triagem, mapeamos o panorama de dados do seu prontuário eletrônico, revisamos de 10 a 15 protocolos representativos do seu portfólio de ensaios e identificamos os tipos específicos de critérios que causam mais falsos positivos e pareamentos perdidos. Esta fase entrega um documento de arquitetura técnica e um modelo de ROI baseado nos seus dados reais.

A Fase 2 (8-12 semanas) é a construção: desenvolvimento de ontologia para a sua área terapêutica prioritária, fine-tuning do LLM nos seus padrões de anotação clínica, construção do grafo de conhecimento, configuração do raciocinador simbólico e integração FHIR com o seu ambiente de prontuário eletrônico. A Fase 3 (3-4 semanas) é a validação: teste retrospectivo contra ensaios concluídos cujos desfechos de recrutamento são conhecidos, benchmarking de precisão e integração ao fluxo de trabalho do coordenador.

O custo depende do escopo. Uma construção para uma única área terapêutica com uma integração de prontuário eletrônico custa tipicamente de US$ 180 mil a US$ 350 mil. Implantações multiterapêuticas ou multiunidade escalam com a amplitude da ontologia e a complexidade da integração. Para comparação, as licenças das plataformas Tempus e IQVIA custam de US$ 200 mil a mais de US$ 500 mil por ano, com taxas por paciente ou por ensaio adicionais.

A diferença econômica fundamental é a propriedade. Uma licença de plataforma é um gasto recorrente com dependência do fornecedor. Uma construção sob medida é um ativo que você possui, mantém e amplia. Para organizações que conduzem mais de 20 ensaios por ano, a construção sob medida tipicamente se paga em relação ao licenciamento de plataforma em até 18 meses, com a vantagem adicional de uma precisão de pareamento ajustada à complexidade específica do seu protocolo.

Isto requer autorização da FDA ou se qualifica para a isenção de CDS?

A diretriz de Suporte à Decisão Clínica atualizada pela FDA em janeiro de 2026 é o arcabouço relevante aqui. A questão-chave é se o sistema toma decisões clínicas autônomas ou apoia a tomada de decisão humana.

Nossa arquitetura foi projetada para a isenção de CDS sob a Seção 3060 do 21st Century Cures Act. O sistema atende a todos os quatro critérios de isenção: não se destina a adquirir, processar ou analisar imagens ou sinais médicos; exibe a base das recomendações (o rastro de raciocínio completo); destina-se a profissionais de saúde com capacidade de revisão independente; e não substitui o julgamento clínico na determinação da elegibilidade.

Na prática, isso significa que o sistema produz pareamentos paciente-ensaio classificados com pontuações de confiança e rastros de raciocínio. Um coordenador da unidade ou associado de pesquisa clínica revisa cada pareamento antes de qualquer contato com o paciente. O sistema nunca recruta automaticamente.

Dito isso, a interpretação da FDA sobre o escopo de CDS continua a mudar. Se a sua organização planeja usar a saída de pareamento para excluir pacientes automaticamente sem revisão humana, o sistema pode entrar no território de dispositivos, exigindo autorização 510(k) ou classificação De Novo. Recomendamos engajar o Digital Health Center of Excellence da FDA no início da fase de design. Construímos a documentação regulatória, incluindo a justificativa de isenção de CDS, a declaração de uso pretendido e o relatório de avaliação clínica, como uma entrega padrão da Fase 1.