ChatEHR de Stanford chega a 1.450 clínicos no Epic
O ChatEHR de Stanford, o chatbot de prontuário que a Stanford Health Care construiu dentro do seu prontuário eletrônico Epic, era usado por 1.450 de cerca de 7.000 profissionais elegíveis em meados de janeiro de 2026, informou o STAT em 28 de janeiro de 2026. A ferramenta de inteligência artificial lê o prontuário completo do paciente e responde a perguntas sobre ele. O laboratório por trás dela diz que suas revisões automáticas reduziram em 40% tarefas como a revisão de prontuários para vigilância de infecções. Para os hospitais, o caso mostra que uma equipe dentro da TI pode transformar horas de leitura de prontuários em listas curtas de casos sobre os quais a equipe pode agir.
Por que os profissionais precisavam de um caminho mais rápido pelo prontuário
Ler o prontuário de um paciente antes de uma consulta é lento porque a informação fica espalhada em muitos lugares. O STAT descreveu como o diretor de informação em saúde da Penn Medicine, o cardiologista Srinath Adusumalli, se prepara na véspera das consultas percorrendo atendimentos anteriores, exames laboratoriais, exames de imagem e documentos digitalizados de outros hospitais, cada um em uma aba separada do prontuário eletrônico.
A Stanford Health Care enfrentava o mesmo trabalho em grande escala. O próprio laboratório dá um exemplo: uma tarefa de triagem que exigia de 5 a 20 minutos de revisão por prontuário, em 150 prontuários de pacientes.
O que Stanford construiu em vez de comprar uma ferramenta
Stanford construiu o ChatEHR por conta própria, conectou-o ao seu prontuário eletrônico Epic e o implantou em todo o sistema de saúde em setembro de 2025. O Shah Lab, que documenta o projeto, o descreve como uma plataforma independente de fornecedor e governada internamente, que coloca o prontuário longitudinal completo do paciente, de até vinte milhões de tokens, diretamente na janela de contexto de um modelo, em tempo real.
A equipe por trás dele é um grupo de ciência de dados integrado à área de TI: engenheiros de software, gerentes de produto e cientistas de dados com acesso direto a pesquisadores acadêmicos. O laboratório situa o início do trabalho em um ambiente de testes em abril de 2023. Ele virou o ChatEHR em novembro de 2023, passou por vários protótipos até meados de 2024, entrou em piloto no início de 2025 e chegou a 150 usuários clínicos em agosto de 2025.
Como o ChatEHR funciona no dia de um profissional
O profissional abre uma aba do ChatEHR dentro do prontuário e primeiro escolhe quais dados carregar para o modelo, por fonte de dados e período. Em seguida vem uma janela de chat, onde o usuário faz perguntas, avalia as respostas com um polegar para cima ou para baixo, ou volta ao menu para começar uma nova sessão.
Esse chat responde por 40% do uso. Os outros 60% passam por APIs que automatizam tarefas repetitivas e de grande volume.
"As automações são prompts fixos aplicados a grupos definidos de pacientes." Shah Lab de Stanford, sobre como o ChatEHR executa suas revisões automáticas
O laboratório lista sete fluxos operacionais construídos dessa forma, da alocação dos pacientes no ambiente de cuidado certo e do reforço da vigilância de infecções à validação de contas de faturamento.
A economia de tempo que Stanford relata com a automação
O laboratório traz números para cada fluxo, e são medições dele mesmo. A triagem de pacientes transforma a revisão de 150 prontuários em cerca de 30 casos altamente prováveis. A vigilância de infecções de sítio cirúrgico reduz a revisão de prontuários em 40% e, segundo o laboratório, torna a notificação de infecções mais ágil.
Na central de atendimento, a triagem de encaminhamentos leva 17,7% menos tempo, a produtividade sobe 17,8% e o acúmulo caiu de cinco dias para dois. Uma triagem para cuidados paliativos em internação lê 600 prontuários para encontrar de 10 a 40 casos elegíveis, o que, segundo o laboratório, evita de 18 a 20 horas de trabalho por dia. Na ortopedia, a triagem de encaminhamentos processa mais de 4.700 documentos e poupa pelo menos 1,7 hora de trabalho da equipe por dia. A revisão de contas retidas por um bloqueio de faturamento LoA poupa de 10 a 15 minutos por conta. Um estudo prospectivo de Wang e colegas no JAMA Network Open examinou o ChatEHR na triagem de pacientes cirúrgicos.
Como a adoção cresceu depois da implantação
O STAT informou que, em meados de janeiro de 2026, o ChatEHR era usado por 1.450 profissionais de cerca de 7.000 usuários elegíveis. O piloto da interface, encerrado em junho de 2025, teve 150 usuários e 3.000 sessões de chat. Nos primeiros 3 meses após a implantação em toda a instituição, 1.075 usuários concluíram o vídeo de treinamento e fizeram mais de 23.000 sessões, com mais de 19 bilhões de tokens processados. Entre os usuários desse período estavam 180 profissionais de prática avançada, 424 médicos, 151 residentes e 60 fellows.
A contagem posterior do laboratório, de julho de 2026, é de mais de 3.400 usuários ativos, mais de 150.000 sessões e 140 bilhões de tokens processados.
O que as ferramentas de IA criadas por hospitais significam para outros sistemas de saúde
Stanford não está sozinha. Em janeiro de 2026, a Penn Medicine apresentou o Chart Hero, uma ferramenta semelhante que permite aos profissionais consultar e resumir o prontuário de um paciente por uma interface parecida com um chatbot, e cerca de 70 profissionais da Penn o estavam testando. Equipes da Duke Health e do Children's Hospital of Philadelphia desenvolvem aplicações parecidas.
Para um hospital, o caso mostra onde está a economia medida até agora: filas de encaminhamento, notificação de infecções, triagem para cuidados paliativos e revisão de faturamento, e não apenas a janela de chat. O modelo de Stanford também depende de uma equipe dentro da TI capaz de construir e governar a ferramenta, e de uma plataforma que não fica presa a um único fornecedor de IA.
Perguntas e respostas
O que é o ChatEHR de Stanford?
É uma ferramenta construída internamente que permite aos profissionais da Stanford Health Care consultar o prontuário completo de um paciente dentro do prontuário eletrônico Epic. Ela também executa prompts fixos em grupos definidos de pacientes para automatizar a revisão de prontuários.
Quantos profissionais usam o ChatEHR?
O STAT informou 1.450 profissionais de cerca de 7.000 usuários elegíveis em meados de janeiro de 2026. O laboratório de Stanford informou mais de 3.400 usuários ativos em julho de 2026.
O ChatEHR poupa tempo da equipe?
O laboratório diz que sim em fluxos específicos: o tempo de triagem de encaminhamentos caiu 17,7%, a revisão de prontuários para infecções de sítio cirúrgico caiu 40% e a triagem de encaminhamentos da ortopedia poupa pelo menos 1,7 hora de trabalho da equipe por dia.
A visão da MOZGII
Como nós construiríamos
Onde a IA mais ajuda hoje em um hospital é na leitura para a qual ninguém tem tempo: a revisão do prontuário antes de uma consulta, listas de triagem, filas de encaminhamento e contas retidas. Os números de Stanford estão exatamente nesses pontos. Se estivéssemos construindo um sistema como o ChatEHR, começaríamos por uma fila com um responsável claro e um ponto final claro, como a triagem de encaminhamentos, e só depois acrescentaríamos uma janela de chat. São as automações, e não o chat, que devolvem as horas.
O sistema precisaria de três coisas. Primeiro, o prontuário completo do paciente puxado do prontuário eletrônico em tempo real, com as fontes de dados e o período registrados em cada resposta. Segundo, um modelo que possa ser trocado, porque o ativo é o prontuário, e não o modelo. Terceiro, um enfermeiro, codificador ou médico nomeado que aprova cada lista curta antes que alguém aja sobre ela. Ele falha quando o prontuário está incompleto, por exemplo um documento externo digitalizado que o modelo não consegue ler, e quando um prompt fixo se afasta da forma como a clínica trabalha hoje.
A métrica que acompanharíamos é quantos dos casos que a automação sinaliza se confirmam quando uma pessoa os confere. Uma parcela em queda significa que o prompt ou os dados mudaram. Em seguida, acrescentaríamos um ciclo de retorno que manda cada polegar para baixo à equipe dona do prompt, para que cada fluxo seja revisado em um calendário fixo, e não depois de uma reclamação.
Fontes
De onde vêm os fatos desta matéria.