Case de Sucesso

Unimed registra 88,9% de acerto na extração de dados de exames manuscritos via inteligência artificial

O Desafio

A Unimed recebe diariamente mais de 8.000 requerimentos de exames médicos — documentos manuscritos, sem padrão, enviados por médicos de toda a rede. Cada um precisava ser lido manualmente por um funcionário, que identificava os exames solicitados e os cadastrava no sistema com o código TUSS correspondente (Terminologia Unificada da Saúde Suplementar), padrão nacional para classificação de procedimentos médicos.

O processo era lento, repetitivo e sujeito a erros humanos

A Solução

Desenvolvemos um sistema de extração automática de documentos médicos utilizando Inteligência Artificial. O pipeline funciona em duas etapas:

Leitura e extração com IA — O sistema recebe o documento (imagem, PDF ou foto de laudo), usa a API da Anthropic (Claude) para ler e interpretar o conteúdo, e extrai os nomes dos procedimentos solicitados, mesmo em documentos manuscritos e sem formatação padrão.
Correlação automática com o TUSS — Os procedimentos extraídos são cruzados com a tabela oficial de 5.964 códigos TUSS usando algoritmos de similaridade de texto, identificando automaticamente o código correto para cada exame.

O Resultado

O resultado é um CSV padronizado, pronto para importação no sistema da Unimed, com todos os exames e seus respectivos códigos TUSS.
Resultados

88,9% dos procedimentos mapeados automaticamente com código TUSS correto
32,6% dos boletins com 100% dos exames identificados sem intervenção humana
⁠Processamento de centenas de documentos em paralelo, com custo médio inferior a R$ 0,01 por documento

Os casos não mapeados automaticamente são sinalizados para revisão humana, garantindo que nenhum exame seja perdido.
Tecnologias utilizadas
Claude (Anthropic) · Python · PostgreSQL · rapidfuzz · PyMuPDF