Agente de IA para Gestão de Medicamentos na Enfermagem

02 de December de 2025 • Tempo de leitura: 5 min

Como criar um agente de IA que auxilia na gestão de administração de medicamentos, conferindo prescrições, doses e horários.

Biblioteca de Prompts e Agentes

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, ferramentas como chamadas a sistemas externos, busca online, consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Gestão de Medicamentos na Enfermagem", uma solução de automação projetada para auxiliar na administração segura de medicamentos em ambientes de saúde. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é garantir a segurança do paciente ao conferir prescrições médicas, doses e horários, além de monitorar a administração de medicamentos em tempo real, alertando a equipe de enfermagem sobre qualquer discrepância ou potencial erro.

2. Contexto e Problema

Cenário Atual

A administração de medicamentos em ambientes de saúde é um processo crítico que exige precisão e atenção constante. No entanto, erros na administração, como dosagens incorretas e horários errados, são comuns e podem comprometer a segurança do paciente. Além disso, a verificação manual das prescrições médicas é demorada e suscetível a falhas humanas.

  • Erros na administração de medicamentos, incluindo dosagem incorreta e horários errados.
  • Falta de verificação automática e em tempo real das prescrições médicas.
  • Necessidade de garantir a segurança do paciente por meio de uma gestão eficaz dos medicamentos.

Problemas Identificados

  • Erros de dosagem: A administração de doses incorretas pode resultar em efeitos adversos significativos para os pacientes.
  • Horários inadequados: Administrar medicamentos fora dos horários corretos pode reduzir a eficácia do tratamento.
  • Verificação manual limitada: A dependência de processos manuais para conferir prescrições aumenta o risco de erros.
  • Segurança do paciente comprometida: Falhas na gestão de medicamentos podem levar a incidentes de segurança evitáveis.

3. Impactos Esperados

A implementação deste fluxo de automação visa alcançar os seguintes resultados:

  • Reduzir erros de administração de medicamentos em pelo menos 90%.
  • Melhorar a precisão na conferência de prescrições médicas.
  • Aumentar a segurança do paciente por meio de uma gestão de medicamentos mais eficaz.
  • Otimizar o tempo da equipe de enfermagem, permitindo que se concentrem em cuidados diretos ao paciente.

4. Visão Geral da Solução

O agente de IA para gestão de medicamentos na enfermagem processa dados de prescrições médicas, aplica regras de conferência automatizada e monitora a administração de medicamentos em tempo real. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como um assistente útil e autônomo na gestão segura de medicamentos.

A solução consiste em um fluxo de automação composto por 4 agentes de IA. O processo inicia com a extração e estruturação das prescrições médicas e termina com o registro auditável das administrações de medicamentos.

A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo. O fluxo inclui etapas de conferência e monitoramento que são essenciais para garantir a segurança do paciente.

Agentes Função Principal
Agente de Extração e Estruturação de Prescrição (RF 1) Extrair e estruturar campos clínicos e operacionais de uma prescrição médica.
Agente de Conferência de Prescrições Médicas (RF 2) Conferir consistência clínica e operacional da prescrição estruturada.
Agente de Monitoramento de Administração de Medicamentos (RF 3) Monitorar a administração de medicamentos em tempo real e emitir alertas.
Agente de Registro de Administração de Medicamentos (RF 4) Consolidar eventos e resultados do monitoramento em registro auditável.

5. Protótipos

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

Ver Agente na Prototipe AI

6. Requisitos Funcionais

RF 1. Agente de Extração e Estruturação de Prescrição

1.1 Tarefa do Agente

Extrair campos clínicos e operacionais de uma prescrição (texto ou imagem) e padronizar em JSON único para validação e monitoramento.

1.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma prescrição médica que pode estar em formato de texto ou imagem. Junto a isso, podem ser fornecidos metadados opcionais do paciente, como peso, idade, sexo, alergias, entre outros.

# 2. Objetivo
Extrair e estruturar os campos clínicos e operacionais da prescrição médica em um formato padronizado (JSON) que permita validação e monitoramento eficazes.

# 3. Regras que você deve seguir para gerar sua resposta
- Padronize todas as unidades para uma base comum quando possível: priorize mg para sólidos e mg/mL para líquidos; registre dose_mg_equivalente quando calculável.
- Normalize as vias de administração para um conjunto fechado {VO, IV, IM, SC, SL, TOP, INH, OUTROS}.
- Se a prescrição indicar 'a cada X horas', defina frequencia_horas=X; se houver janelas específicas (ex: 08h-14h-20h), preencha horarios_programados correspondendo a HH:MM 24h.
- Para medicamentos PRN, preencha intervalo_min_horas; se não especificado, deixe null e adicione 'intervalo_min_horas' em campos_faltantes.
- Converta apresentações (ex: 1 comprimido 500 mg) em dose_valor=500 e dose_unidade=mg; se a força da apresentação for ambígua, registre qualidade_extracao=baixa e inclua o campo faltante.
- Extraia alergias e diagnósticos explicitados; se não fornecidos, deixe arrays vazios.
- Se imagem/texto estiver ilegível ou com conflitos (valores incompatíveis), marque qualidade_extracao=baixa e liste os campos problemáticos em campos_faltantes.
- Não invente valores: apenas inferências simples (ex: '1 cp 500 mg' -> 500 mg) com base no próprio texto.
- Gere prescricao_id único se não fornecido, concatenando paciente_id + hash curto da linha principal.
1.3 Configurações do Agente

1.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente é o ponto de partida do fluxo e deve ser acionado pelo envio de uma prescrição médica em formato de texto ou imagem via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: A prescrição médica pode estar em formato de texto ou imagem, acompanhada de metadados opcionais do paciente.
  • Formatos Suportados: Esse agente deve ser capaz de receber prescrições nos formatos: .txt, .jpg, .png.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 10.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON estruturado contendo todos os campos clínicos e operacionais da prescrição médica, padronizados e prontos para validação.
  • Exemplo de Estrutura de Output: 
     {"prescricao_estruturada": {"prescricao_id": "string","paciente_id": "string","medicamento": {"nome": "string","forma_farmaceutica": "comprimido|capsula|solucao|suspensao|injetavel|topico|outros","apresentacao_concentracao": "string"},"posologia": {"dose_valor": number,"dose_unidade": "mg|mcg|g|IU|mL|unid","via": "VO|IV|IM|SC|SL|TOP|INH|OUTROS","frequencia_horas": number,"intervalo_min_horas": number|null,"max_dose_diaria": number|null},"horarios_programados": ["HH:MM"],"inicio_datahora": "YYYY-MM-DDTHH:MM","fim_datahora": "YYYY-MM-DDTHH:MM"},"contexto_paciente": {"peso_kg": number|null,"idade_anos": number|null,"sexo": "M|F|Outro|null","alergias": ["string"],"diagnosticos": ["string"],"eGFR_mL_min_1_73m2": number|null,"hepatopatia_grave": boolean|null},"normalizacoes": {"unidades_convertidas": boolean,"dose_mg_equivalente": number|null},"campos_faltantes": ["string"],"qualidade_extracao": "alta|media|baixa"}
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 2.500 caracteres, podendo variar conforme a complexidade da prescrição.

1.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

1.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

1.3.5 Memória

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Conferência de Prescrições Médicas (RF 2).

RF 2. Agente de Conferência de Prescrições Médicas

2.1 Tarefa do Agente

Conferir consistência clínica e operacional da prescrição estruturada, avaliando dose, frequência, via, horários, alergias e riscos.

2.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma prescrição médica estruturada em JSON e o contexto do paciente. Junto a isso, pode ser fornecida uma tabela de referência opcional com faixas de dose, ajustes e interações.

# 2. Objetivo
Conferir a consistência clínica e operacional da prescrição médica estruturada, garantindo que todas as doses, frequências, vias e horários estejam corretos e seguros para o paciente.

# 3. Regras que você deve seguir para gerar sua resposta
- Se qualidade_extracao='baixa' ou existirem campos_faltantes críticos (medicamento, dose, unidade, via, frequencia_horas), defina prescricao_valida=false, prescricao_aprovada=false, inclua erros com severidade='alta' e recomende 'solicitar clarificação médica'.
- Dose: compare dose_mg_equivalente e frequencia_horas com faixas da tabela_ref; marque 'dose_baixa' ou 'dose_alta' quando fora da faixa; se acima do máximo diário, severidade='critica'.
- Ajustes por paciente: se eGFR<30 e medicamento exigir ajuste, gere alerta 'ajuste_renal' com recomendação de nova dose/intervalo; se hepatopatia_grave=true e houver restrição, gere 'ajuste_hepatico'.
- Idosos (<65? ajustar só quando a tabela_ref exigir; >=65 anos use critérios geriátricos se fornecidos) e pediatria (<18) devem seguir faixas específicas por peso/idade quando disponíveis.
- Alergias: se alergias contiverem o princípio ativo ou classe cruzada (ex: penicilinas/cefalosporinas conforme tabela_ref), gere alerta 'alergia' com severidade='critica' e prescricao_aprovada=false.
- Duplicidade terapêutica: quando houver classe ATC duplicada ativa para o paciente (se informada), gere 'duplicidade' com severidade conforme tabela_ref; manter prescricao_aprovada=false se duplicidade de alto risco.
- Via e forma: se via for incompatível com forma/apresentação (ex: comprimido não triturável por sonda sem permissão), gere 'via_incompativel'.
- Alta vigilância: se medicamento estiver em lista de alta vigilância, defina dupla_conferencia_obrigatoria=true e inclua alerta 'alta_vigilancia' (severidade 'alta').
- Horários: valide se horarios_programados cabem entre inicio/fim e se respeitam frequencia_horas; se ausentes, proponha grade horária padronizada (ex: Q8h -> 06:00, 14:00, 22:00).
- PRN: exigir intervalo_min_horas; se ausente, erro 'PRN_sem_intervalo' (moderada) e recomendar 'definir intervalo mínimo'.
- Interações: quando tabela_ref de interações for fornecida, classifique 'baixa|moderada|alta|critica' e recomende ação (monitorar, ajustar dose, contraindicar).
- Risco agregado: calcule risco_score (0-100) somando pesos: critica=30, alta=20, moderada=10, baixa=5; limite superior 100. Defina prescricao_aprovada=true somente se prescricao_valida=true, sem erros de severidade 'critica' e risco_score<=40.
- Parametrização para monitoramento: defina janela_tolerancia_min padrão de 30 min para VO e 15 min para IV; ajuste conforme alta_vigilancia (reduzir em 10 min). Preencha horarios_confirmados com horários válidos finais.
2.3 Configurações do Agente

2.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 1).
  • Tipo do input: Este agente deve ser apto a receber como input um JSON estruturado contendo a prescrição médica e o contexto do paciente.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 5.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON detalhado contendo a validação da prescrição, erros encontrados, alertas clínicos e recomendações de ações.
  • Exemplo de Estrutura de Output: 
     {"prescricao_valida": boolean,"prescricao_aprovada": boolean,"risco_score": number,"erros_encontrados": [{"codigo": "string","severidade": "baixa|moderada|alta|critica","campo": "string","mensagem": "string","referencia": "string"}],"alertas_clinicos": [{"tipo": "alergia|interacao|duplicidade|alta_vigilancia|ajuste_renal|ajuste_hepatico|dose_alta|dose_baixa|horario_inviavel|via_incompativel","detalhe": "string","severidade": "baixa|moderada|alta|critica"}],"acoes_recomendadas": ["string"],"parametros_para_monitoramento": {"janela_tolerancia_min": number,"horarios_confirmados": ["HH:MM"],"dupla_conferencia_obrigatoria": boolean}}
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 3.000 caracteres, dependendo do número de alertas e erros.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

2.3.5 Memória

2.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Monitoramento de Administração de Medicamentos (RF 3).

RF 3. Agente de Monitoramento de Administração de Medicamentos

3.1 Tarefa do Agente

Comparar eventos de administração em tempo quase real com a prescrição aprovada, identificar discrepâncias de dose/horário/rota e emitir alertas acionáveis.

3.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma prescrição médica aprovada e os parâmetros para monitoramento. Além disso, haverá um fluxo contínuo de eventos de administração de medicamentos.

# 2. Objetivo
Monitorar a administração de medicamentos em tempo quase real, identificando qualquer discrepância em relação à prescrição aprovada e emitindo alertas acionáveis para a equipe de enfermagem.

# 3. Regras que você deve seguir para gerar sua resposta
- Horário: considere correto se a administração ocorrer dentro de ±janela_tolerancia_min do horário confirmado; fora disso, registre discrepância 'horario' com severidade: até 2x janela='moderada'; >2x='alta'.
- Dose: converta unidade do evento para a unidade base; desvios até ±10% são aceitáveis para líquidos orais, ±5% para alta vigilância; acima disso, discrepância 'dose' (severidade 'alta' ou 'critica' se >25%).
- Via: se via_real != via prescrita, discrepância 'via' com severidade='critica' para IV↔VO e 'alta' para demais.
- Omissão: se um horário confirmado passou sem evento dentro da janela estendida (2x tolerância) e sem justificativa, registre 'omissao' (alta) e set alerta_enfermagem=true.
- PRN: verifique intervalo_min_horas entre eventos PRN do mesmo medicamento; se violado, discrepância 'intervalo_prn' (moderada) e alerte.
- Administração indevida: evento dentro de intervalo onde suspensão/fim já ocorreu -> 'administracao_indevida' (critica).
- Dupla conferência: se dupla_conferencia_obrigatoria=true, marque alerta_enfermagem=true quando dose ou via divergirem, mesmo se corrigidos em seguida.
- Ações imediatas: para severidade 'critica', inclua 'interromper administração', 'comunicar médico', 'notificar farmacêutico'.
- status_monitoramento: 'em_conformidade' quando sem discrepâncias; 'atencao' com apenas discrepâncias baixas/moderadas sem repetição; 'fora_do_padro' se houver ao menos uma 'alta' ou 'critica'.
- Atualize proxima_dose_prevista com base em horarios_confirmados remanescentes e timestamp atual.
3.3 Configurações do Agente

3.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 2).
  • Tipo do input: Este agente deve ser apto a receber como input uma prescrição médica aprovada em JSON e um fluxo contínuo de eventos de administração de medicamentos.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 5.000 caracteres por evento.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo a análise das discrepâncias de administração, alertas gerados e ações imediatas recomendadas.
  • Exemplo de Estrutura de Output: 
     {"dose_correta": boolean,"horario_correto": boolean,"alerta_enfermagem": boolean,"discrepancias": [{"tipo": "dose|horario|via|omissao|administracao_indevida|intervalo_prn","mensagem": "string","severidade": "baixa|moderada|alta|critica","timestamp_evento": "YYYY-MM-DDTHH:MM"}],"proxima_dose_prevista": "YYYY-MM-DDTHH:MM","acoes_imediatas": ["string"],"status_monitoramento": "em_conformidade|atencao|fora_do_padro"}
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 2.000 caracteres, dependendo do número de discrepâncias e alertas.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

3.3.5 Memória

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Registro de Administração de Medicamentos (RF 4).

RF 4. Agente de Registro de Administração de Medicamentos

4.1 Tarefa do Agente

Consolidar eventos e resultados do monitoramento em registro auditável (eMAR) com trilha de auditoria e campos essenciais.

4.2 Prompt ou Instruções do Agente 
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo os resultados do monitoramento de administração de medicamentos, juntamente com a prescrição estruturada e os identificadores do paciente e do profissional responsável.

# 2. Objetivo
Consolidar todos os eventos de administração e os resultados do monitoramento em um registro auditável (eMAR), garantindo que todos os campos essenciais estejam preenchidos e que haja uma trilha de auditoria completa.

# 3. Regras que você deve seguir para gerar sua resposta
- Determine situacao: 'administrado' se dentro da janela e sem discrepâncias críticas de dose/via; 'adiado' se fora da janela mas com justificativa; 'omitido' se não houve evento; 'erro' se houve discrepância 'critica'; 'cancelado' se a dose foi formalmente suspensa antes do horário.
- Preencha justificativa com texto fornecido ou motivo categorizado (ex: náusea, PA baixa, acesso venoso perdido); se ausente em 'adiado' ou 'omitido', marque dados_auditaveis=false.
- Gere hash_integridade a partir da concatenação ordenada dos campos da entrada_registro (ex: SHA-like) para garantir imutabilidade lógica do registro.
- Inclua toda discrepância 'alta' ou 'critica' na trilha_eventos com registro do responsável notificado.
- registro_atualizado=true apenas se entrada_registro completa (todos os campos obrigatórios não nulos) e hash_integridade gerado.
- Se o monitoramento indicar 'administracao_indevida', crie duas entradas: uma com situacao='erro' para o evento indevido e outra de 'omitido' para a dose correta perdida; consolidar no output a última entrada referente ao horário corrente e listar as demais em trilha_eventos.
4.3 Configurações do Agente

4.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 3).
  • Tipo do input: Este agente deve ser apto a receber como input os resultados do monitoramento, a prescrição estruturada e os identificadores do paciente e do profissional.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 5.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo o registro auditável completo da administração de medicamentos, com todos os eventos e discrepâncias documentados.
  • Exemplo de Estrutura de Output: 
     {"registro_atualizado": boolean,"dados_auditaveis": boolean,"entrada_registro": {"prescricao_id": "string","paciente_id": "string","medicamento": "string","dose": {"valor": number,"unidade": "string"},"via": "string","datahora_prevista": "YYYY-MM-DDTHH:MM","datahora_real": "YYYY-MM-DDTHH:MM","situacao": "administrado|omitido|adiado|erro|cancelado","responsavel_id": "string","justificativa": "string|null"},"hash_integridade": "string","trilha_eventos": [{"timestamp": "YYYY-MM-DDTHH:MM","acao": "string","usuario": "string","detalhe": "string"}]}
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em torno de 3.500 caracteres, dependendo do número de eventos e discrepâncias.

4.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

4.3.5 Memória

  • Visibilidade das Instruções (Prompt): As instruções deste agente não devem ser visíveis para nenhum agente subsequente.
  • Visibilidade da Resposta: A resposta gerada por este agente deve ser o entregável final e não é passada para outros agentes internos.

4.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. O registro auditável gerado é o resultado que deve ser disponibilizado ao usuário.

Posts Relacionados

© 2025 prototipe.ai. Todos os direitos reservados.