
A consulta reconstruía o passado de memória. Agora ela lê uma série
O Casa Follow Up é uma plataforma de acompanhamento clínico contínuo: o paciente responde check-ins curtos no celular ao longo dos dias, e o profissional lê a evolução em vez do relato. O produto não existia — a Epicora construiu os três ambientes do zero: o aplicativo do paciente (iOS e Android), a plataforma web do profissional e o painel administrativo. O centro do trabalho não foi a tela: foi o motor de protocolos que recebe a metodologia clínica escrita pela equipe da Casa Follow Up sem transformá-la em formulário genérico — e a camada de IA que lê a série e admite o que não consegue afirmar.
- Cliente
- Casa Follow Up — plataforma de acompanhamento clínico contínuo
- O que fizemos
- Construção do produto do zero: app do paciente (iOS e Android), plataforma web do profissional e painel administrativo, com motor de protocolos de check-in, análise por IA em duas leituras, assinatura recorrente e infraestrutura gerenciada
- Plataforma
- React + TypeScript + Vite · React Native · NestJS · MongoDB · AWS + Vercel · AWS SES · Stripe
O ponto de partida
O acompanhamento ambulatorial tem um vazio no meio. Entre uma consulta e a outra passam semanas em que o sintoma flutua, o tratamento é seguido ou não, o sono piora ou melhora — e nada disso é registrado. Quando o paciente volta ao consultório, o que existe é a memória dele: o que lembra, o que consegue descrever, o que não parece importante o suficiente para contar. O profissional decide sobre esse recorte.
Não é um problema de atenção nem de tempo de consulta. É um problema de fonte de dado: a informação que descreveria a trajetória do paciente nunca chegou a existir. O que se pede ao paciente é que ele produza, de memória e sob pressão, um relatório de várias semanas — e o que se obtém é impressão, não série.
- A lacuna está justamente onde o quadro se move. O intervalo entre consultas é o período mais informativo do acompanhamento, e é o único que não é observado.
- Relato de memória é retrospectivo e seletivo. O que ficou marcado pesa mais do que o que foi frequente, e o que melhorou tende a desaparecer do relato.
- Sem dado normalizado não existe comparação. Cada paciente descreve o próprio quadro com palavras próprias — duas semanas do mesmo paciente já não são comparáveis entre si, muito menos dois meses.
- Piora e melhora só aparecem depois de acontecerem. Sem série, não há tendência; sem tendência, o ajuste de conduta é sempre reativo.
- A adesão vira suposição. Se ninguém registra, não há como distinguir tratamento que não funcionou de tratamento que não foi seguido.
A virada
A decisão de produto não foi construir um prontuário melhor. Foi mudar quem produz o dado e quando: quem registra passa a ser o paciente, no celular, no dia em que a coisa acontece. E não em texto livre — respondendo o mesmo conjunto de perguntas ao longo do tempo, dentro de um protocolo que o profissional vinculou a ele. É essa repetição que transforma percepção em série.
O que a Epicora construiu, então, não foi um questionário: foi um motor de protocolo. Ele precisa comportar periodicidades diferentes — protocolo diário, semanal, e o par de insônia em que um check-in é respondido de manhã sobre a noite que passou e outro à noite sobre o dia que teve. Precisa comportar tamanhos diferentes, de quatro a dez perguntas, sem quebrar a leitura. Precisa aceitar tipos de resposta que viram visualizações distintas — escala numérica que vira curva com média do período, categórica que vira distribuição. E precisa de uma taxonomia de temas atravessando os protocolos, para que o profissional consiga ler o paciente por sono ou por dor, e não apenas por protocolo. O conteúdo clínico é da equipe da Casa Follow Up; o mecanismo que o comporta é o nosso.
Em cima da série, entra a leitura por IA — e é aqui que estava o risco real do projeto. Um modelo solto sobre dado de saúde produz texto plausível e perigoso: preenche lacuna, sugere conduta, cita exame que ninguém pediu. A restrição foi construída antes da funcionalidade.
A decisão que destravou
A IA gera duas leituras que não podem se encontrar — e declara o que não sabe. Da mesma base sai um texto para o paciente, em linguagem leiga, com proibição absoluta de mencionar medicamento, dose ou conduta, e um texto técnico para o profissional, restrito aos protocolos que ele mesmo vinculou. Nenhum dos dois é visível para o outro lado. E quando falta dado, o modelo diz que falta e calibra a confiança em vez de completar: em vez de descrever uma evolução que não pode observar, ele registra que a adesão no período foi baixa e que a leitura fica limitada. Um modelo que admite o próprio limite é o que torna a funcionalidade utilizável num contexto clínico — o resto é texto bonito sobre dado que não existe.
O que entregamos
01 · O app do paciente, nas duas lojas
Entrada apenas por convite do profissional, onboarding, wizard de check-in e histórico com o estado de cada dia — respondido ou não respondido, que é o que transforma adesão em dado observável em vez de suposição. Mais centro de notificações in-app, filtro por profissional e exclusão de conta dentro do próprio aplicativo. O app é gratuito para o paciente, que nunca paga nada em lugar nenhum.
02 · O motor de protocolos de check-in
A camada que recebe a metodologia clínica e a coloca em operação: periodicidade própria por protocolo (diário, semanal, ou o par manhã/noite sobre o mesmo quadro), tamanho variável sem quebrar a série, tipos de resposta que viram visualizações diferentes — escala numérica com média do período, categórica com distribuição — e uma taxonomia de temas que atravessa protocolos, para ler o paciente por sono, dor, humor ou adesão. A plataforma distribui protocolo institucional pronto e ainda deixa o profissional criar o dele.
03 · A leitura por IA em duas audiências
Dois relatórios distintos sobre a mesma base — check-ins, comorbidades, medicações e observações clínicas registradas pelo profissional. O do paciente é curto e leigo; o do profissional é técnico e restrito aos protocolos que ele vinculou, sem cruzar com dado de outro profissional. A IA não calcula: ela lê o que o sistema apurou. E onde falta dado, declara a ausência em vez de preencher.
04 · Assinatura, painel administrativo e operação
Assinatura recorrente com Stripe — quem contrata é o profissional, pela web, e o app do paciente permanece fora de qualquer fluxo de pagamento. Painel administrativo para gestão de profissionais, pacientes e da biblioteca de protocolos. Infraestrutura na AWS, e-mail transacional e, depois da entrega, a sustentação contratada: canal de suporte dedicado, cuidado de infraestrutura e bloco mensal de evolução.
Como garantimos
Consentimento específico para dado sensível de saúde
Dado de saúde é categoria especial na LGPD, e o aceite genérico de termos não cobre. Além dos termos de uso e da política de privacidade, o produto tem um terceiro documento — o termo de consentimento para dados sensíveis — com aceite próprio e separado no convite. Quem entra sabe exatamente o que está autorizando, e o registro disso existe.
Isolamento por vínculo e por audiência
O dado do paciente circula apenas para quem tem vínculo ativo com ele, e o relatório técnico do profissional nunca é exposto ao paciente. Um profissional não alcança protocolo vinculado por outro. Isolamento aqui não é configuração de permissão: é regra do sistema, aplicada na origem da consulta ao dado.
Limite explícito do que a IA pode escrever
Existe uma lista do que o modelo não pode produzir — e ela é anterior ao recurso, não uma correção posterior. A IA não calcula nada, não menciona medicamento, dose ou conduta ao paciente, não cita diretriz externa e não inventa exame ou diagnóstico. Toda análise sai com aviso visível de que foi gerada automaticamente e não substitui a avaliação do profissional.
O resultado
O produto está em produção com os três ambientes no ar e a biblioteca clínica em uso: protocolos de depressão, ansiedade generalizada, TDAH, insônia, hipertensão, insuficiência cardíaca, asma, diabetes tipo 2, artrite reumatoide, fibromialgia, enxaqueca, oncologia e controle de peso — cada um com a sua periodicidade e o seu tamanho, sobre o mesmo mecanismo.
A leitura mais honesta deste case não é uma métrica de adoção — a plataforma é recente e a base ainda está sendo formada. É que um produto de dado sensível de saúde entrou no ar com as restrições certas construídas antes das funcionalidades: consentimento próprio, isolamento por vínculo, exclusão de conta pelo app e uma IA que prefere declarar o próprio limite a preencher um vazio. Em software clínico, essa ordem é o produto.
Soluções relacionadas
Cases relacionados
Tem uma metodologia própria e precisa dela rodando como produto?
A Epicora constrói o mecanismo que comporta o método de quem entende do assunto — com as restrições certas desde o começo, e sem transformar conhecimento clínico em formulário genérico. Do app ao painel, do consentimento à publicação nas lojas.