Como montar um prontuário pessoal com um agente de IA: seis pastas no lugar de um aplicativo
Os dados de saúde costumam ficar espalhados: exames nos sites dos laboratórios, treinos no aplicativo de atividade física, medicamentos nas notas. Os autores da análise no Habr propõem entregar ao agente de IA uma pasta com arquivos e regras, em vez de desenvolver mais um aplicativo. O próprio modelo lê os documentos, consolida os valores e gera gráficos conforme solicitado. Tudo se organiza em seis camadas: dos arquivos recebidos aos relatórios prontos.
Processado por IA de Habr AI; editado por Hamidun News
Todo mundo acumula documentos de saúde: resultados de exames, pareceres médicos, prescrições, medições de pressão e peso. Eles ficam espalhados: PDFs no site do laboratório, digitalizações em uma pasta, treinos no aplicativo de atividade física, nomes de medicamentos nas notas. Encontrar um exame é simples. Reunir o histórico completo antes de uma consulta já é mais difícil. O autor do artigo no Habr propõe criar um ambiente em que um agente de IA trabalhe, em vez de desenvolver um aplicativo para isso.
Por que não usar um sistema médico convencional
Os sistemas médicos especializados só fazem o que seus desenvolvedores previram. Se um programa armazena resultados laboratoriais e gera gráficos, isso não significa que consiga relacioná-los ao uso de medicamentos ou à atividade física. Cada cruzamento desses exige modelos de dados, interfaces e algoritmos.
O autor parte de outra premissa. A maioria das tarefas consiste em operações sobre informações: encontrar documentos, extrair valores, cruzar datas e unidades, calcular e apresentar resultados. É justamente isso que os modelos atuais fazem bem quando têm acesso aos arquivos. A funcionalidade surge do pedido: “crie um gráfico do uso de estatinas ao lado dos resultados dos exames bioquímicos” ou “quais medicamentos eu tomei durante o tratamento de fisioterapia”. Não é preciso procurar o botão certo nem esperar por uma nova versão.
Por isso, a base da proposta não é um banco de dados. Os dados de saúde são heterogêneos demais: tabelas de indicadores, textos, imagens e documentos complexos. Não é possível definir de antemão um esquema que cubra todos os casos. Aqui, a base são arquivos comuns, e um banco de dados pode ser conectado depois para tarefas específicas. A estrutura e as regras de trabalho são descritas em arquivos AGENTS.md, um em cada diretório. A abordagem não depende de um fornecedor específico de modelos.
Seis camadas
O sistema funciona como uma linha de processamento em que cada camada acrescenta uma nova propriedade ao documento.
- Entrada. Pasta temporária para novos arquivos: PDFs, fotos, áudios e exportações. Aqui também é possível explicar ao modelo que duas digitalizações, uma de cada lado da folha, formam um único documento.
- Originais. Os arquivos não são alterados; só podem ser organizados em pastas e receber nomes mais claros. Isso permite conferir os resultados: o reconhecimento pode ter distorcido valores, e daqui a um ano você pode querer processar o documento com um modelo melhor.
- Materiais. Versões em texto dos originais: o texto reconhecido de uma digitalização, a transcrição de um áudio, o texto extraído de um PDF. Cada material aponta para sua fonte. Se o modelo não consegue decifrar algo, pergunta ao usuário.
- Registros. Fatos estruturados: valores de exames, consultas e prescrições. Nessa camada, nomes diferentes de um mesmo indicador são unificados, as unidades de medida são padronizadas e duplicatas e conflitos são eliminados.
- Scripts. Para operações repetitivas, como importar centenas de arquivos de treino do mesmo tipo, é melhor escrever um programa do que delegar a tarefa ao modelo a cada vez. O resultado se torna reproduzível e verificável.
- Documentos de saída. Gráficos, tabelas, resumos e relatórios produzidos conforme as solicitações.
O que há de útil nisso para desenvolvedores
A ideia principal vai além da medicina. Em vez de um aplicativo com um conjunto fixo de funções, você cria um ambiente com três partes: dados, regras e um agente com ferramentas. As próprias camadas parecem o mínimo de boas práticas de engenharia para qualquer tarefa com documentos “sujos”: não perder os originais, manter o vínculo entre o material derivado e a fonte, normalizar os dados em uma etapa separada e transformar operações repetitivas em código.
O autor faz uma ressalva: scripts nem sempre são necessários. Para tarefas pontuais, o modelo resolve diretamente. Às vezes, ele identifica sozinho as repetições, mas nem sempre. Essa é uma limitação importante: a pessoa também precisa acompanhar quais operações estão se repetindo.
Limitações
O reconhecimento de fotos e digitalizações pode falhar, por isso a camada de originais e as referências às fontes são obrigatórias. É preciso conferir a normalização dos indicadores de diferentes laboratórios: o modelo pode fazer correspondências incorretas entre unidades. A proposta do autor é preparar materiais para a consulta, sem fazer interpretação médica, e convém respeitar esse limite.
Acrescentamos uma observação: estamos falando dos dados pessoais mais sensíveis. Antes de entregá-los ao agente, convém entender onde o modelo é executado fisicamente, quais dados são enviados para fora e quem tem acesso à pasta. A parte disponível do artigo não aborda essa questão em detalhe, e o texto é interrompido durante um exemplo de processamento de um novo exame.
O artigo inclui um modelo de estrutura no GitHub, com README. Se você desenvolve agentes para trabalhar com documentos pessoais ou corporativos, vale a pena consultá-lo. O que pode ser aproveitado é a própria organização: estrutura de arquivos, instruções por diretório e separação entre originais, materiais e registros, independentemente da aplicação médica.
- 6 de jul. de 2026LayerX: técnica BioShocking levou seis navegadores com IA a entregar senhas por conta própria
- 12 de out. de 2026Vibe coding em Rust: três utilitários para macOS e cinco projetos de navegador
- 22 de abr. de 2026Google ensina o treinador de IA do Fitbit a ler prontuários médicos dos usuários
- 17 de mai. de 2026Duas janelas com o agente de IA em vez de uma: arquiteto, desenvolvedor e seis tipos de erros
Perguntas frequentes sobre a notícia
Por que não usar um sistema médico convencional?
Os sistemas médicos especializados só fazem o que seus desenvolvedores previram. Se um programa armazena resultados laboratoriais e gera gráficos, isso não significa que consiga relacioná-los ao uso de medicamentos ou à atividade física. Cada cruzamento desses exige modelos de dados, interfaces e algoritmos. O autor parte de outra premissa. A maioria das tarefas consiste em operações sobre informações: encontrar documentos, extrair valores, cruzar datas e unidades, calcular e apresentar resultados.
O que se sabe sobre Seis camadas?
O sistema funciona como uma linha de processamento em que cada camada acrescenta uma nova propriedade ao documento. Entrada. Pasta temporária para novos arquivos: PDFs, fotos, áudios e exportações. Aqui também é possível explicar ao modelo que duas digitalizações, uma de cada lado da folha, formam um único documento. Originais. Os arquivos não são alterados; só podem ser organizados em pastas e receber nomes mais claros.
O que há de útil nisso para desenvolvedores?
A ideia principal vai além da medicina. Em vez de um aplicativo com um conjunto fixo de funções, você cria um ambiente com três partes: dados, regras e um agente com ferramentas. As próprias camadas parecem o mínimo de boas práticas de engenharia para qualquer tarefa com documentos “sujos”: não perder os originais, manter o vínculo entre o material derivado e a fonte, normalizar os dados em uma etapa separada e transformar operações repetitivas em código.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.