DESENVOLVIMENTO DE SOFTWARE A CUSTO ZERO PARA TRIAGEM FONOAUDIOLÓGICA INTEGRADA DE LINGUAGEM COM SPEC-DRIVEN DEVELOPMENT

Autores

Resumo

Introdução: a triagem fonoaudiológica é um processo fundamental para compreender e acolher as necessidades de um paciente, desenvolver raciocínio clínico e traçar condutas apropriadas. Este processo pode ser otimizado por meio de sistemas que guardem as informações e direcionem para os próximos passos a partir da decisão clínica. Contudo, a implementação de softwares para a gestão e o registro destes dados, em ambulatórios públicos, encontra obstáculos como o alto custo de desenvolvimento e a complexidade técnica para garantir a privacidade e segurança dos dados sensíveis. A intersecção entre a inteligência artificial e a engenharia de software tem transformado este cenário, trazendo agilidade e reduzindo custos de desenvolvimento. Agentes autônomos de codificação por IA nos permitem desenvolver ferramentas robustas, reduzindo barreiras técnicas e financeiras e, mediante este avanço tecnológico e da necessidade em ambulatórios acadêmicos de fonoaudiologia de instituições públicas, a criação de soluções que unam inovação, criptografia de alta segurança e viabilidade econômica torna-se um diferencial. Objetivo: desenvolver um software, sem custo, para triagem fonoaudiológica integrada de linguagem, com a metodologia de engenharia de software chamada spec-driven development, utilizando inteligência artificial como agente de codificação. Método: este estudo de desenvolvimento tecnológico aplicado adota a metodologia Spec-Driven Development com agentes de IA para o desenvolvimento de um software de gestão de triagem fonoaudiológica em linguagem infantil com módulo que guia as avaliações clínicas de desenvolvimento global, linguagem, fala e aprendizagem, permitindo registrar observações e encaminhamentos. O software é dotado de prontuário que abrange anamnese e rastreio dos diferentes subsistemas da linguagem (pragmática, semântica, gramática e fonologia) a fim de traçar os diferentes perfis linguísticos das crianças, gerando PDFs customizados para impressão. O fluxo de trabalho baseou-se em especificações de desenvolvimento full stack, debugging e interação, QA, cibersegurança e UX/UI design. Elas guiaram a geração e o refinamento automatizado por IA na IDE Google Antigravity. Por ser uma etapa estritamente técnica (infraestrutura e arquitetura de software), não há delineamento populacional. Desenvolvido sob uma arquitetura full stack serverless com processamento na borda (Edge Computing) para garantir baixa latência, o software utiliza Next.js 16 (App Router), React 19, TypeScript e Tailwind CSS 4. O ecossistema integra o Supabase para banco de dados (PostgreSQL) e autenticação, Cloudflare R2 para armazenamento de binários com custo zero de egress e RecordRTC para vídeos. A segurança destaca-se com o isolamento por RLS e a criptografia de ponta a ponta dos vídeos, imagens e PDFs via Web Crypto API, que gera chaves AES-GCM de 256 bits localmente no navegador antes do upload. Criptografado com resistência quântica, o arquivo é enviado ao Cloudflare R2. Sua chave de descriptografia é armazenada no Supabase em uma tabela, acessível via autenticação multifator. Isso impede o acesso visual dos provedores de infraestrutura e garante que o vídeo só possa ser reproduzido no software. Ele possui também uma página de auditoria de logs para rastreamento de alterações. Os módulos estruturais incluem gestão de acessos via RBAC, chaves exclusivas e validação por e-mail institucional. Na infraestrutura de rede, o Next.js Middleware valida a sessão em cada requisição de borda (Edge) antes de atingir o servidor principal. Por fim, o estado da aplicação é gerenciado de forma reativa e persistente com Zustand. Para a validação funcional, adotou-se uma estratégia de testes de integração e de sistema. Optou-se por não aplicar testes de unidade isolados, pois o escopo da pesquisa é centrado na validação do fluxo completo de dados e na experiência do usuário final. Resultados: o desafio de desenvolvimento a custo zero mostrou-se possível, o que, há anos atrás, era algo inviável. Utilizar serviços de Serverless e Edge Computing na arquitetura do software permitiu a alocação da infraestrutura em camadas gratuitas nas plataformas Supabase, Cloudflare R2 e Vercel, com autenticação sofisticada, banco de dados relacional e armazenamento binário sem ônus financeiro até que os limites das camadas gratuitas sejam atingidos. A criptografia AES-GCM garante a segurança de que as gravações via RecordRTC sejam criptografadas antes do upload, promovendo a segurança dos dados, mantendo-se inviolável mesmo contra os provedores da infraestrutura. Foram encontrados bugs funcionais que foram corrigidos, restaurando suas funcionalidades. Conclusão: o software consolida-se como um sistema completo de dados clínicos que prioriza a integridade e a segurança de informações sensíveis. O uso de criptografia AES-GCM e auditoria no banco de dados alinha o projeto às práticas éticas de proteção de dados.