De 1 hora para 5 minutos: o design de uma plataforma de análise do sono com IA
TL;DR (EN): From 1 hour to 5 minutes: designing an AI sleep analysis platform. I reduced analysis time per exam by 92% (from 1 hour to 5 minutes) by creating a polysomnography platform that analyzes exams with a proprietary AI that we are developing and training. The client is a sleep doctor who wanted to go beyond 1 exam per hour and, in the future, serve a franchise network. As the squad’s sole designer, I studied the clinical rules, defined the architecture and designed everything from reading the exam to the signed report. Validated on 12 exams against the physician’s analysis, following AASM protocols, with the physician always making the final call.
Meu papel: Fui o designer único da squad, ao lado de PO, devs e governança: fiz todo o design, estudei as regras clínicas, desenhei da leitura do exame ao laudo assinado e defini a estratégia de escala da IA. O médico é o cliente e o usuário principal, e a equipe desenvolve e treina a IA própria.
Reduzi em 92% o tempo de análise de cada exame (de 1 hora para 5 minutos) ao criar uma plataforma de polissonografia que analisa os exames com uma IA própria, que estamos desenvolvendo e treinando. O cliente é um médico do sono que queria sair de 1 exame por hora e, no futuro, atender uma rede de franquias. Como designer único da squad, estudei as regras clínicas, defini a arquitetura e desenhei da leitura do exame ao laudo assinado. Validei em 12 exames comparados à análise do médico, seguindo os protocolos da AASM, com o médico sempre na decisão final.
Resultado: 1h → 5min por exame (−92%), validado em 12 exames comparados à análise do médico.
Papel: Product Designer · Ano: 2026 · Saúde, IA, Plataforma web
Contexto e meu papel
O cliente é um médico do sono que analisa exames de polissonografia: uma noite inteira de sinais (cérebro, respiração, oxigenação, pernas, ronco) que precisa ser lida e marcada. Ele usava softwares de equipamento e queria uma plataforma própria, com uma IA própria, que mais tarde pudesse ser oferecida a uma rede de franquias.
Fui o designer único da squad, ao lado de PO, devs e governança, com o próprio médico validando cada etapa. A equipe está desenvolvendo e treinando a IA própria que analisa os exames.
O problema: 1 hora por exame
Nas primeiras reuniões, o médico contou como cada exame era analisado. Só o estagiamento levava cerca de 1 hora:
• Uma assistente marcava as fases do sono (REM, N1, N2, N3) e os despertares.
• Depois, marcava os eventos, como apneias e roncos.
• Por fim, o médico revisava tudo.
Esse trabalho manual era o que limitava o negócio a 1 exame por hora. Para entender as regras, estudei os manuais da AASM, a referência da medicina do sono, e documentei a especificação funcional para a engenharia. Com isso, defini uma meta inicial de 10 minutos por exame, para ir reduzindo conforme a IA aprendesse.
Como a proposta evoluiu
Não acertei de primeira. A interface passou por quatro versões, cada uma depois de uma conversa com o médico.
Decisão 1: tudo em uma tela, sem rolar
O primeiro pedido do médico foi ver todos os sinais ao mesmo tempo, porque um evento só faz sentido quando ele compara canais (a respiração cai e a oxigenação desce logo depois). Distribuí a altura de cada canal por peso, com o hipnograma fixo no topo e a lista de eventos recolhível à direita, para caber tudo em uma tela.
A navegação também mudou: em vez de páginas que demoravam a carregar, a leitura ficou contínua, com Page Up e Page Down como o médico já usava. Para ver a noite inteira de uma vez, criei uma visão com linhas configuráveis que pode ser anexada ao laudo.
Decisão 2: a IA sugere, o médico decide
Em saúde, ganhar tempo só vale se o médico confiar no que vê. Por isso, cada evento marcado traz a origem (IA, validado ou feito pelo médico) e o nível de confiança, desenhados na própria faixa do evento. A lista pode ser filtrada pela origem e ordenada pela confiança, e o médico vai direto ao que precisa de revisão.
A primeira ideia foi uma caixa para aceitar ou apagar cada marcação da IA, e o médico achou trabalhoso. Troquei por validação em lote: ao classificar um evento, a IA encontra os parecidos e o médico aplica a mesma decisão a todos de uma vez.
Decisão 3: marcar sem esconder o sinal
O médico precisa ler o sinal por baixo da marcação. Para isso:
• A sombra que cobria o traçado virou uma faixa de rótulo no topo, bordas no início e no fim e um véu de apenas 10%.
• Cada tipo de evento ganhou uma cor própria, oito no total, com as três apneias em vermelhos diferentes.
• A oxigenação passou a mostrar os valores, em vez de um risco ilegível.
• Criei um tema invertido para a área dos gráficos, porque é assim que muitos médicos leem no dia a dia, e conferi cada ajuste nos dois temas.
Uma marca d’água da fase do sono sobre o traçado foi descartada: o hipnograma no topo já mostrava isso, e repetir só poluía a leitura.
Decisão 4: o médico escolhe quanto a IA se esforça
Desde o início, eu tinha mapeado e conversado com o médico sobre o custo de processamento da IA. Uma análise mais detalhada é mais precisa, mas também mais cara, e nem todo exame precisa do nível máximo.
Em vez de fixar esse nível no sistema, deixei a escolha com o médico. Uma configuração de esforço da IA, no painel de eventos, vai de uma análise padrão a uma mais detalhada, com feedback visual claro: quanto mais esforço, mais precisa e mais cara. Assim ele equilibra precisão e custo exame a exame, sabendo o que está escolhendo.
Priorizar o que destrava o produto
Na primeira rodada de ajustes, o médico trouxe 12 pedidos, de cores por evento a novos canais. Organizei tudo por impacto e esforço e mantive o foco no que destravava o produto: ler o arquivo do exame e marcar os eventos com qualidade.
O índice ORP, por exemplo, ficou para a versão seguinte. Ele não está no manual da AASM, é uma forma nova de análise e não fazia parte do primeiro escopo. Explicar isso ao cliente com clareza evitou atrasar a entrega principal.
Do exame ao laudo assinado
O produto vai além da análise. O caminho completo de um exame:
• A unidade envia o exame em um assistente de 4 passos.
• O médico recebe o exame na fila e faz a análise.
• Gera o laudo e assina com o PIN do certificado digital.
• Envia o laudo para a unidade, o paciente e o médico solicitante.
Para a gestão da rede, desenhei um painel com produção, prazos e unidades, já pensando no modelo de franquias.
Visão de negócio: a estratégia de escala da IA
Defini a estratégia de escala da IA, pensando no dia em que a rede analisar milhares de exames por mês:
• Ranking de eventos por nível de confiança do modelo, para o médico ir direto ao que precisa de revisão.
• Roadmap de custo por exame, para acompanhar quanto custa cada análise conforme a IA própria evolui.
Essa estratégia é a base do plano para atingir a meta do cliente: aumentar em 400% o volume mensal de análises em até 5 anos.
Validação: 12 exames lado a lado
Para validar, usei os 12 exames mais recentes do médico, porque estavam frescos na memória dele. Os dados de paciente foram ocultados, para respeitar a LGPD. Comparei a análise da IA com a análise do médico, lado a lado, seguindo os protocolos da AASM.
Defini dois critérios de sucesso:
• O estagiamento da IA bater com o do médico, seguindo a AASM.
• Uma queda significativa do tempo total de análise.
A regra de divergência é simples: o médico está sempre na decisão final, e nada é aprovado sem revisão humana.
Na fase atual, estamos medindo a concordância por evento entre a IA e o médico.
Resultados
Meta inicial: 10 minutos por exame.
Análise de cada exame de 1 hora para 5 minutos (−92%), validada em 12 exames comparados à análise do médico, seguindo os protocolos da AASM, com o médico sempre na decisão final.
Estratégia de escala da IA (ranking por confiança do modelo e roadmap de custo por exame), base do plano para atingir a meta do cliente de aumentar em 400% o volume mensal de análises em até 5 anos.
Apresentação da V1, com um exame real: estagiamento pronto em menos de 1 minuto.
Em testes com o próprio médico há cerca de 1 mês, nas análises do dia a dia.
A assistente deixa de marcar tudo do zero e passa a revisar o que a IA marcou.
O que eu faria diferente
Testaria a interface com a assistente desde o começo, e não só com o médico, porque é ela quem passa mais tempo na tela. Também acompanharia cada entrega da engenharia com um checklist de QA ligado à documentação, para que os ajustes combinados com o cliente chegassem ao produto na mesma rodada.
Como eu medi
• O que: o tempo total de análise de cada exame e se o estagiamento da IA batia com o do médico.
• Como: cronometrei a análise do médico nos programas que ele já usava e rodei os mesmos 12 exames na IA, comparando lado a lado com a análise do médico.
• Critério de pronto: estagiamento alinhado ao do médico pela AASM e queda significativa do tempo. A meta inicial era 10 minutos por exame.
• Ainda em medição: a concordância por evento entre a IA e o médico.
Projeto de José Roberto Diniz Júnior, Product Designer. Sob NDA: marcas e dados sensíveis omitidos.