13
min de leitura
ChatGPT no apoio à decisão clínica: capacidades e limitações
Explore o papel do ChatGPT no apoio à decisão clínica: onde ajuda, onde falha e como avaliar ferramentas de IA de forma segura na saúde

O ChatGPT pode reduzir a carga de documentação, apoiar clínicos não especialistas e melhorar a comunicação com doentes, mas não foi concebido, treinado nem validado como dispositivo médico. A sua utilização informal em fluxos de trabalho clínicos de alto risco cria riscos reais que ainda não são bem compreendidos.
Grandes modelos de linguagem não são sistemas de apoio à decisão clínica
O apoio à decisão clínica abrange um espetro amplo. Numa extremidade estão os alertas passivos baseados em regras: um sistema de prescrição que sinaliza uma combinação medicamentosa contraindicada, ou um lembrete de rastreio em atraso. Na outra extremidade estão ferramentas ativas baseadas em inteligência artificial que interpretam dados clínicos não estruturados e geram diagnósticos diferenciais em tempo real. Esta distinção importa quando se avalia o risco. Um alerta baseado em regras que dispara incorretamente é irritante; um grande modelo de linguagem que gera com confiança um diagnóstico diferencial plausível, mas errado, num caso complexo pode contribuir diretamente para danos ao doente.
Os grandes modelos de linguagem como o ChatGPT geram texto prevendo o próximo elemento linguístico estatisticamente mais provável, com base em padrões aprendidos a partir de vastos dados de treino. Não raciocinam como um clínico, não consultam uma farmacopeia nem aplicam regras lógicas. Um sistema baseado em regras sinaliza sempre uma interação medicamentosa específica, desde que a lógica esteja corretamente codificada. Um grande modelo de linguagem pode ou não fazê-lo, dependendo de como a questão é formulada e da variabilidade probabilística inerente aos seus resultados, e é com isso em mente que os seus resultados devem ser avaliados.
Onde a evidência apoia a utilidade clínica
A base de evidência para a utilidade dos grandes modelos de linguagem em tarefas clínicas específicas está a crescer. Uma revisão de âmbito de 28 estudos publicada na Health Science Reports identificou o apoio à decisão clínica e a educação médica como as vantagens mais frequentemente citadas do ChatGPT em contextos de cuidados de saúde.
A evidência mais sólida concentra-se em três áreas. Na documentação clínica, uma síntese publicada na Frontiers in Artificial Intelligence encontrou poupanças de tempo de 40 a 70 por cento em tarefas de documentação quando os grandes modelos de linguagem auxiliaram na geração e resumo de notas. Este é o caso de uso com a base empírica mais robusta, e onde a relação benefício-risco é mais favorável. No apoio a não especialistas, um estudo de junho de 2026 na NPJ Digital Medicine avaliou o ChatGPT-4o em 100 casos reais de polineuropatia: o modelo alcançou 65,5 por cento de precisão no diagnóstico principal, comparável aos neurologistas não especialistas (63,0 por cento), embora inferior aos especialistas (74,0 por cento). Os não especialistas revisaram as suas avaliações em 21,8 por cento dos casos depois de analisarem as sugestões do modelo. O mesmo estudo documentou uma terceira vantagem, a amplitude do diagnóstico diferencial, com o ChatGPT-4o a superar os não especialistas tanto nos diagnósticos diferenciais (82,0 por cento vs 77,5 por cento) como nas recomendações de testes confirmatórios (68,0 por cento vs 53,0 por cento).
Uma revisão sistemática sobre grandes modelos de linguagem ao longo do percurso de cuidados do cancro colorretal, publicada no Journal of Medical Internet Research em maio de 2026, encontrou utilidade na extração automática de dados de textos clínicos, no apoio à educação do doente e na assistência à tomada de decisões clínicas. Os modelos especializados numa área clínica específica mostraram vantagens sobre os modelos de uso geral em determinadas tarefas.
Alucinação, calibração e falhas de precisão que os clínicos precisam de conhecer
A limitação clinicamente mais significativa dos grandes modelos de linguagem é a alucinação, que ocorre quando o modelo gera informação que parece plausível mas é factualmente incorreta. Uma análise de novembro de 2025 sobre os riscos de alucinação em grandes modelos de linguagem usados nos cuidados de saúde descobriu que resultados alucinados com aparência credível podem levar os clínicos a optar por intervenções prejudiciais. Mesmo imprecisões menores aumentam o risco clínico quando coincidem com uma suspeita que o clínico já tinha, porque o modelo confirma o que o clínico já suspeitava e o erro não é questionado.
O problema é agravado pela forma como os modelos expressam confiança. Uma avaliação de quatro grandes modelos de linguagem em casos complexos de reumatologia, publicada na Health Informatics Journal em abril de 2026, revelou que a confiança expressa pelos modelos não correspondia de forma fiável à qualidade do seu raciocínio: apresentavam um nível de confiança semelhante independentemente de o raciocínio ser sólido ou não. O ChatGPT registou a taxa de alucinação mais baixa dos quatro modelos testados, de 7,4 por cento, em comparação com os 18,5 por cento do Gemini. Mesmo 7,4 por cento representa um risco não trivial num contexto clínico, e a ausência de sinal de incerteza torna a falha de calibração clinicamente mais perigosa do que uma taxa de erro mais alta mas melhor sinalizada.
Três limitações adicionais merecem atenção. Os grandes modelos de linguagem são treinados em dados até um ponto fixo no tempo, pelo que orientações clínicas, aprovações de medicamentos e alertas de segurança emitidos depois desse ponto não aparecem nas respostas, a menos que o modelo tenha acesso a ferramentas de pesquisa em tempo real. A fiabilidade também varia com a complexidade do caso: um estudo baseado em simulação publicado na Healthcare (MDPI) em julho de 2025 descobriu que a fiabilidade do ChatGPT diminuiu significativamente em casos cardiovasculares com comorbilidades, precisamente os doentes mais frequentemente vistos em cuidados secundários. Para interações medicamentosas, um estudo europeu publicado na Clinical Pharmacology & Therapeutics em fevereiro de 2025 descobriu que o ChatGPT produziu respostas diferentes em 90 por cento dos casos quando a mesma consulta foi repetida, e não detetou interações clinicamente relevantes. Os autores concluíram que o ChatGPT não pode ser recomendado para este caso de uso.
Riscos de segurança do doente que vão além da precisão
O viés de automação, a tendência dos clínicos para seguir uma sugestão gerada por inteligência artificial mesmo quando o seu próprio julgamento clínico os teria levado a uma conclusão diferente e potencialmente mais correta, está bem documentado na literatura sobre fatores humanos. Este risco aplica-se diretamente ao uso de grandes modelos de linguagem em contextos clínicos, e é agravado pela falha de calibração descrita acima: quando um modelo expressa confiança independentemente da qualidade do seu raciocínio, o clínico não tem sinal de quando deve resistir à sugestão.
O desempenho em tomada de decisões sequencial é substancialmente pior do que em perguntas e respostas estáticas. O benchmark AgentClinic, publicado na NPJ Digital Medicine em abril de 2026, descobriu que a precisão diagnóstica dos grandes modelos de linguagem em cenários clínicos sequenciais e interativos pode cair para menos de um décimo da precisão registada em questões estáticas equivalentes. Os encontros clínicos reais são sequenciais e dinâmicos; a maioria das avaliações de referência não o são. Os diagnósticos raros apresentam uma vulnerabilidade particular: as condições raras estão sub-representadas nos dados de treino, e um modelo com bom desempenho em apresentações comuns pode falhar precisamente no caso atípico que mais necessita de apoio diagnóstico.
Um estudo que avaliou cinco grandes modelos de linguagem em 50 cenários clínicos de mieloma múltiplo, avaliados por três hematologistas-oncologistas independentes, concluiu que as recomendações de tratamento requerem supervisão clínica cuidadosa para garantir a segurança do doente, mesmo num contexto de avaliação estruturado e específico de oncologia.
Estatuto regulamentar e responsabilidade clínica
Os grandes modelos de linguagem de uso geral como o ChatGPT não são comercializados com uma finalidade médica prevista e, por isso, não possuem marcação CE como dispositivos médicos ao abrigo do Regulamento de Dispositivos Médicos da União Europeia. Quando um clínico usa uma ferramenta regulamentada de apoio à decisão clínica, existe uma base de evidência validada, uma utilização prevista definida, um quadro de responsabilidade do fabricante e um rasto de auditoria regulamentar. Quando usa o ChatGPT de consumo para apoiar uma decisão clínica, nenhuma dessas salvaguardas se aplica e a responsabilidade clínica recai inteiramente sobre o clínico. Esta distinção não é meramente burocrática: ela determina se uma ferramenta foi testada em populações reais de doentes, se os seus resultados foram validados face a resultados clínicos, e se existe algum mecanismo de vigilância pós-comercialização caso a ferramenta cause danos.
Dados de doentes, RGPD e o risco de conformidade subestimado
Introduzir dados identificáveis de doentes em ferramentas de grandes modelos de linguagem destinadas ao consumidor levanta preocupações sérias de segurança e privacidade de dados. Ao abrigo do Regulamento Geral sobre a Proteção de Dados (RGPD) do Reino Unido e do RGPD da União Europeia, os dados de doentes são dados de categoria especial, particularmente sensíveis e sujeitos a uma base jurídica explícita para serem tratados. Introduzir o nome, data de nascimento, história clínica ou resultados de testes de um doente numa ferramenta de consumo constitui quase certamente o tratamento de dados pessoais por um responsável pelo tratamento terceiro, sem um acordo de tratamento de dados, sem uma base jurídica, e potencialmente com os dados armazenados em jurisdições fora do Reino Unido ou da União Europeia.
Os acordos empresariais com a OpenAI ou fornecedores equivalentes podem incluir acordos de tratamento de dados, compromissos de não usar as entradas para treino de modelos e uma localização definida para o armazenamento dos dados. As ferramentas destinadas ao consumidor não incluem nenhuma destas proteções por defeito. Os clínicos devem verificar se existe um acordo de tratamento de dados entre a sua organização e o fornecedor, onde os dados são processados e armazenados, e se a ferramenta foi aprovada pela equipa de governação de informação da sua organização antes de a usarem com dados de doentes.
Ferramentas de inteligência artificial clínica construídas para fins específicos versus modelos de uso geral
A diferença entre grandes modelos de linguagem de uso geral e ferramentas de inteligência artificial clínica construídas para fins específicos abrange toda a arquitetura de implementação, não apenas o modelo subjacente. Um estudo de avaliação comparativa publicado na NPJ Digital Medicine em dezembro de 2025 testou seis grandes modelos de linguagem em 30 métricas que cobriam domínios de apoio à decisão clínica. Os modelos especializados numa área clínica específica mostraram vantagens de desempenho consistentes, com pontuações máximas mais altas tanto em segurança (0,912) como em eficácia (0,861) face aos modelos de uso geral, enquanto o desempenho global teve uma média de 57,2 por cento, com uma queda de 13,3 por cento em cenários clínicos de alto risco.
As ferramentas construídas para fins específicos e concebidas para ambientes de cuidados de saúde regulamentados oferecem resultados validados testados face a resultados clínicos em populações de doentes definidas; rastos de auditoria que apoiam a governação clínica e a responsabilização; integração no sistema de registos médicos, o que permite à ferramenta aceder a dados estruturados de doentes sem reintrodução manual; e certificação como dispositivo médico ao abrigo dos quadros regulamentares relevantes. O modelo de linguagem subjacente pode ser semelhante ou idêntico ao de um grande modelo de linguagem de uso geral. O que efetivamente difere é a camada de governação, a evidência de validação e a responsabilização regulamentar.
O que a evidência realmente diz: ressalvas metodológicas
O desempenho em avaliações de referência não equivale a utilidade clínica no mundo real. Os grandes modelos de linguagem alcançaram pontuações na faixa de 80 a 90 por cento em exames de licenciamento médico como o USMLE, um resultado que gerou atenção mediática considerável. Esses exames testam memorização e raciocínio estruturado em problemas bem definidos. Não replicam a ambiguidade, a pressão temporal, a informação incompleta e a tomada de decisões sequencial dos encontros clínicos reais. O benchmark AgentClinic já mostrou o que acontece quando o contexto muda: a precisão pode cair para menos de um décimo.
A qualidade dos estudos disponíveis é variável, e isso importa para a forma como se interpreta a literatura. A revisão sistemática sobre grandes modelos de linguagem nos cuidados do cancro colorretal descobriu que apenas 27 por cento dos estudos incluídos tinham baixo risco de viés, com problemas nos domínios de medição de resultados, seleção de doentes e falta de avaliação cega. Os métodos de avaliação também não estão padronizados: um consenso de especialistas de 2025 publicado na ScienceDirect identificou a falta de métodos de avaliação consistentes como uma barreira significativa à implementação segura, e um comentário do JAMIA de janeiro de 2025 reconheceu tanto a promessa como as lacunas significativas na evidência, observando que limitações-chave e áreas para investigação futura permanecem por resolver. Sem avaliação padronizada, comparar o desempenho entre estudos é difícil, e a tendência de publicar resultados positivos significa que a literatura disponível provavelmente sobrestima o desempenho real.
Utilização apropriada versus dependência inapropriada: onde traçar a linha
A evidência apoia uma posição matizada. O ChatGPT e grandes modelos de linguagem comparáveis podem reduzir o esforço de documentação, apoiar clínicos não especialistas na geração de diagnósticos diferenciais e melhorar a acessibilidade da comunicação clínica. O estudo dos Annals of Biomedical Engineering sobre o ChatGPT no apoio à decisão clínica concluiu que a supervisão por especialistas humanos continua a ser essencial em todas as aplicações, uma conclusão que aparece de forma consistente em toda a literatura e que reflete o estado atual da tecnologia, não apenas uma precaução genérica.
Tarefas de baixo risco e alto volume, como assistência à documentação, redação de cartas para doentes e resumo de literatura, são onde os grandes modelos de linguagem oferecem mais benefício com menos risco, desde que os requisitos de governação de dados de doentes sejam cumpridos. Decisões diagnósticas ou de prescrição de alto risco, particularmente em apresentações complexas, com múltiplas doenças simultâneas ou em doenças raras, requerem ferramentas validadas e regulamentadas com utilizações previstas definidas e supervisão clínica incorporada no fluxo de trabalho. Ferramentas de consumo sem acordos de dados empresariais não devem ser usadas com dados identificáveis de doentes em circunstância alguma, independentemente da tarefa clínica.
A supervisão clínica é um requisito estrutural, dado o estado atual da precisão, da calibração da confiança e da validação regulamentar dos grandes modelos de linguagem. O clínico continua a ser o ponto de controlo essencial em qualquer decisão assistida por inteligência artificial.
Perguntas frequentes
▶ O ChatGPT é um dispositivo médico regulamentado para apoio à decisão clínica?
Não. A ausência de marcação CE significa que, se a ferramenta causar danos, não existe mecanismo de vigilância pós-comercialização nem responsabilidade do fabricante a acionar. O clínico assume sozinho toda a responsabilidade pela decisão, sem qualquer rede de segurança regulamentar por baixo.
▶ Que tarefas clínicas mostram a evidência mais forte para a utilidade dos grandes modelos de linguagem?
A documentação clínica tem a base empírica mais robusta e a relação benefício-risco mais favorável. Tarefas como redação de cartas e resumo de literatura seguem-se de perto. A utilidade diminui à medida que a complexidade clínica aumenta e a margem de erro diminui.
▶ O que é alucinação, e porque é que importa em contextos clínicos?
Alucinação é a geração de informação plausível mas incorreta. O risco mais insidioso ocorre quando o erro se alinha com uma suspeita prévia do clínico: nesse caso, o modelo reforça um engano em vez de o corrigir, e a verificação independente torna-se menos provável precisamente quando mais seria necessária.
▶ O ChatGPT pode detetar de forma fiável interações medicamento-medicamento?
Não. Um estudo publicado na Clinical Pharmacology and Therapeutics em fevereiro de 2025 mostrou respostas diferentes em 90 por cento das repetições da mesma consulta, com falhas na deteção de interações clinicamente relevantes. Para este caso de uso, os sistemas de prescrição baseados em regras com lógica codificada consistente são a única opção adequada.
▶ Quais são os riscos do Regulamento Geral sobre a Proteção de Dados de introduzir dados de doentes em ferramentas de grandes modelos de linguagem de consumo?
O passo prático mais importante é verificar três coisas antes de usar qualquer ferramenta com dados de doentes: se existe um acordo de tratamento de dados assinado com o fornecedor, onde os dados são processados e armazenados, e se a equipa de governação de informação da organização aprovou a ferramenta. Sem estas três confirmações, a utilização não deve avançar.
▶ Como é que uma ferramenta de inteligência artificial clínica construída para fins específicos difere do ChatGPT de uso geral?
O modelo de linguagem subjacente pode ser idêntico. O que difere é a camada à volta dele: resultados validados em populações reais de doentes, rastos de auditoria para governação clínica, integração no sistema de registos médicos sem reintrodução manual de dados, e certificação regulamentar com responsabilidade definida.
▶ Passar em exames de licenciamento médico significa que o ChatGPT é seguro para apoio à decisão clínica?
Os exames de licenciamento testam recordação em problemas bem definidos. O benchmark AgentClinic, publicado na NPJ Digital Medicine em abril de 2026, mostrou que a precisão diagnóstica em cenários sequenciais e interativos pode cair para menos de um décimo da registada em questões estáticas equivalentes. Os encontros clínicos reais são sequenciais.
▶ O que é o viés de automação, e como afeta os clínicos que utilizam ferramentas de inteligência artificial?
O viés de automação é a tendência para seguir uma sugestão gerada por inteligência artificial mesmo contra o próprio julgamento clínico. O risco agrava-se porque os modelos atuais expressam confiança semelhante independentemente da qualidade do raciocínio, o que retira ao clínico o sinal de quando deve questionar a sugestão.
▶ Onde devem os clínicos traçar a linha entre utilização apropriada e dependência inapropriada de grandes modelos de linguagem?
Uma forma prática de pensar na distinção: se um erro da ferramenta pode ser detetado e corrigido antes de chegar ao doente, o risco é gerível com supervisão. Se o erro pode chegar diretamente a uma decisão de diagnóstico ou prescrição sem revisão intermédia, a ferramenta precisa de validação regulamentar, não apenas de bom senso clínico.