Como enviar prontuários a um LLM na nuvem sem enviar o paciente

Por que não enviar o PDF?

Um PDF que parece mascarado ainda pode vazar: a camada de texto sob as tarjas pretas, os metadados, anexos embutidos, assinaturas digitalizadas, logotipos e cabeçalhos repetidos. Enviar texto extraído e sanitizado elimina todos esses canais de uma vez. Se o modelo precisar do layout, envie uma imagem rasterizada da página já mascarada, sem camada de texto nem metadados.

Por que tokens e não [MASCARADO]?

Se todo identificador vira o mesmo marcador, o modelo perde a estrutura da nota: não distingue o paciente do médico responsável nem do filho. Tokens consistentes preservam essa estrutura:

• Maria Fernanda Rocha Cardoso vira NOME_1 em todo o documento.
• Dra. Luísa Mendes Ortiz vira NOME_3.
• 14/03/2026 vira DATA_1.

O modelo consegue raciocinar sobre "o plano de alta de NOME_1" e a resposta usará os mesmos tokens.

O pipeline, passo a passo

1. Ingestão: PDFs nativos são lidos diretamente; os digitalizados passam por OCR local.
2. Detecção: regras para identificadores brasileiros (CPF, CNS, prontuário, CRM, CEP), um modelo NER clínico e, opcionalmente, uma segunda passada com um LLM local.
3. Transformação: tokenizar ou sintetizar por tipo de entidade; deslocar as datas com um mesmo deslocamento por paciente para preservar os intervalos.
4. Cofre: guardar o mapa token-valor criptografado, só do seu lado.
5. Envio: só o texto transformado vai para o modelo na nuvem.
6. Re-hidratação: trocar os tokens da resposta pelos valores reais, localmente.
7. Auditoria: registrar o que foi detectado e amostrar saídas para revisão humana.

O texto tokenizado é anônimo?

Não. Enquanto existir um cofre capaz de reverter os tokens, o que trafega é dado pseudonimizado. Pela LGPD, dado anonimizado só deixa de ser dado pessoal quando o processo não pode ser revertido; detalhamos em Pseudonimizar vs. anonimizar: o que dizem a LGPD, a HIPAA, o GDPR e a lei colombiana. Na prática, o gateway é combinado com controles contratuais do provedor de nuvem: retenção zero, acordo de tratamento de dados e região de processamento definida.

O que faz isso passar em uma revisão de privacidade?

Um número. Por exemplo: recall de 99% ou mais em identificadores diretos, medido no seu próprio conjunto de validação anotado, mais amostragem humana periódica. Em Como fazer um POC de anonimização: 100 a 200 documentos reais e recall por entidade explicamos como obtê-lo.

Veja funcionando

O portal do Velo mostra exatamente esse fluxo: um sumário de alta sendo tokenizado conforme você rola, o percurso até a nuvem e de volta e um controle para re-hidratar segurando o botão. Você também pode colar a sua própria nota; ela é processada no seu navegador.

Este artigo é informação geral, não aconselhamento jurídico.