O apoio à decisão clínica existe nos cuidados de saúde há décadas, desde simples alertas de interação medicamentosa incorporados em sistemas de prescrição até ferramentas de diagnóstico sofisticadas baseadas em regras. A chegada dos grandes modelos de linguagem, como o ChatGPT, mudou esse panorama. Estas ferramentas conseguem lidar com questões clínicas complexas em linguagem natural, resumir histórias clínicas extensas e gerar raciocínios clínicos aparentemente plausíveis em segundos. Para os clínicos, isto cria um dilema real: estas ferramentas já estão a ser utilizadas informalmente nos fluxos de trabalho clínicos, mas a sua validação para a tomada de decisões de alto risco continua limitada e irregular. Compreender onde os grandes modelos de linguagem realmente ajudam, onde falham e que quadros de governação devem enquadrar a sua utilização é agora uma necessidade prática para qualquer pessoa que trabalhe nos cuidados de saúde.

O que o apoio à decisão clínica realmente significa em 2026

O apoio à decisão clínica não é uma tecnologia única. É um espetro. Numa extremidade situam-se os alertas passivos baseados em regras: um sistema de prescrição que sinaliza uma combinação medicamentosa contraindicada ou um lembrete de que uma doente tem um rastreio cervical em atraso. Na outra extremidade estão as ferramentas ativas baseadas em inteligência artificial que interpretam dados clínicos não estruturados, geram diagnósticos diferenciais ou recomendam vias de tratamento em tempo real.

Esta distinção é importante para a estratificação do risco. Um alerta baseado em regras que dispara incorretamente é irritante e pode causar fadiga de alertas. Um grande modelo de linguagem que gera com confiança um diagnóstico diferencial plausível, mas incorreto, num caso complexo pode contribuir para danos ao doente. Nem todas as ferramentas de apoio à decisão clínica apresentam o mesmo perfil de risco, e avaliar modelos de uso geral como o ChatGPT face a este espetro requer clareza sobre que parte do espetro está a ser discutida.

Em 2026, a maioria das aplicações de inteligência artificial clínica situa-se algures no meio: ferramentas que combinam reconhecimento de padrões em grandes conjuntos de dados com lógica clínica estruturada. O ChatGPT e os seus equivalentes ocupam uma posição distinta. São extraordinariamente capazes em tarefas linguísticas, mas não foram concebidos, treinados ou validados como dispositivos médicos.

Como funcionam os grandes modelos de linguagem: um guia para clínicos

Os grandes modelos de linguagem como o ChatGPT geram texto prevendo o próximo token (um fragmento de palavra) estatisticamente mais provável, com base em padrões aprendidos a partir de vastas quantidades de dados de treino. Não raciocinam da forma como um clínico raciocina. Não acedem a uma base de conhecimento estruturada, não consultam uma farmacopeia, nem aplicam regras lógicas. Geram respostas que são linguisticamente coerentes e frequentemente factualmente precisas, porque a informação correta estava bem representada nos seus dados de treino.

Este mecanismo é fundamentalmente diferente dos sistemas de apoio à decisão clínica baseados em regras que a maioria dos clínicos já encontra nos seus sistemas de registos médicos. Um sistema baseado em regras sinalizará sempre uma interação medicamentosa específica se a lógica estiver corretamente codificada. Um grande modelo de linguagem pode ou não fazê-lo, dependendo de como a questão é formulada, do que estava nos seus dados de treino e da variabilidade probabilística inerente aos seus resultados.

Compreender esta distinção é clinicamente importante. Os grandes modelos de linguagem não são sistemas de consulta com um índice fiável. São motores sofisticados de correspondência de padrões que produzem linguagem, e os seus resultados devem ser avaliados em conformidade.

Onde o ChatGPT mostra promessa genuína nos fluxos de trabalho clínicos

Apesar destas limitações arquitetónicas, 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.

As áreas onde a evidência de utilidade é mais forte incluem:

• Documentação clínica: Uma síntese publicada na Frontiers in Artificial Intelligence encontrou poupanças de tempo de 40 a 70 por cento em tarefas de documentação clínica quando os grandes modelos de linguagem auxiliaram na geração e resumo de notas.

• Apoio a não especialistas: Um estudo de junho de 2026 na NPJ Digital Medicine que avaliou o ChatGPT-4o em 100 casos reais de polineuropatia descobriu que 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 após analisarem as sugestões do ChatGPT-4o, melhorando a sua precisão.

• Amplitude do diagnóstico diferencial: No mesmo estudo de polineuropatia, o ChatGPT-4o superou os não especialistas em diagnósticos diferenciais (82,0 por cento vs 77,5 por cento) e recomendou testes confirmatórios mais apropriados (68,0 por cento vs 53,0 por cento).

• Comunicação com doentes: Os grandes modelos de linguagem demonstram utilidade mensurável na redação de cartas para doentes, na explicação de diagnósticos em linguagem acessível e no apoio a tarefas de literacia em saúde.

• Síntese de literatura: Para clínicos que realizam revisões rápidas de evidência, os grandes modelos de linguagem podem acelerar a identificação e o resumo de estudos relevantes, embora os resultados exijam verificação.

Uma revisão sistemática de grandes modelos de linguagem ao longo do contínuo de cuidados do cancro colorretal, publicada no Journal of Medical Internet Research em maio de 2026, encontrou utilidade na automatização da extração de dados de textos clínicos, no apoio à educação do doente e na assistência à tomada de decisões clínicas. Modelos específicos de domínio e multimodais mostraram vantagens sobre modelos de uso geral em determinadas tarefas.

O problema da precisão: alucinações, conhecimento desatualizado e confiança sem certeza

A limitação clinicamente mais significativa dos grandes modelos de linguagem é a alucinação, ou seja, a geração de informação aparentemente plausível, mas factualmente incorreta. Em tarefas linguísticas quotidianas, um detalhe alucinado é um pequeno inconveniente. Em contextos clínicos, pode ser perigoso.

Uma análise de novembro de 2025 dos riscos de alucinação em grandes modelos de linguagem implementados nos cuidados de saúde descobriu que resultados alucinados que parecem credíveis podem orientar os clínicos para intervenções prejudiciais, influenciando tanto as vias de diagnóstico como as escolhas terapêuticas. A análise observou que mesmo imprecisões menores podem aumentar o risco clínico quando se alinham com o viés cognitivo existente do clínico. O modelo confirma o que o clínico já suspeita, e o erro não é contestado.

O problema da alucinação é agravado por uma falha na calibração da confiança. Uma avaliação abrangente de quatro grandes modelos de linguagem em casos complexos de reumatologia, publicada na Health Informatics Journal em abril de 2026, descobriu que, embora o ChatGPT-4 tenha alcançado 100 por cento de precisão no diagnóstico primário nos casos de teste (num pequeno conjunto de testes), a análise de correlação de Spearman revelou associações uniformemente fracas e não significativas entre a qualidade do raciocínio e a certeza expressa em todos os modelos. Os modelos não sabiam de forma fiável quando estavam errados e expressavam confiança semelhante, independentemente de o seu raciocínio ser sólido ou não.

O ChatGPT demonstrou a taxa de alucinação mais baixa dos quatro modelos testados (7,4 por cento), em comparação com os 18,5 por cento do Gemini. Mesmo uma taxa de alucinação de 7,4 por cento num contexto clínico não é uma cifra trivial.

As limitações adicionais de precisão incluem:

• Limites de conhecimento: Os grandes modelos de linguagem são treinados em dados até um ponto fixo no tempo. Orientações clínicas, aprovações de medicamentos e alertas de segurança emitidos após esse limite não serão refletidos nas respostas, a menos que o modelo tenha acesso a ferramentas de recuperação em tempo real.

• Degradação do desempenho em casos complexos: 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 a população de doentes mais provável de ser vista em cuidados secundários.

• Deteção de 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 de interação medicamento-medicamento foi repetida e não detetou interações clinicamente relevantes, concluindo que atualmente não pode ser recomendado para este caso de uso.

Estatuto regulamentar: o ChatGPT é um dispositivo médico?

A posição regulamentar dos grandes modelos de linguagem de uso geral ao abrigo do Regulamento de Dispositivos Médicos da UE não é clara, e a definição nesta área ainda está a evoluir. O Regulamento de Dispositivos Médicos define um dispositivo médico, em parte, pela sua finalidade prevista. O software destinado ao diagnóstico, prevenção, monitorização ou tratamento de doenças enquadra-se neste âmbito. Os grandes modelos de linguagem de uso geral como o ChatGPT não são comercializados com uma finalidade médica prevista, o que significa que atualmente não possuem marcação CE como dispositivos médicos.

Isto cria uma lacuna significativa de responsabilização. Quando um clínico utiliza 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 um clínico utiliza o ChatGPT de consumo para apoiar uma decisão clínica, nenhuma dessas salvaguardas se aplica. A responsabilidade clínica recai inteiramente sobre o clínico.

Esta distinção não é meramente burocrática. Afeta 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.

Riscos de segurança do doente que os clínicos não devem ignorar

Para além da alucinação, vários modos de falha de segurança distintos são relevantes para a prática clínica.

O viés de automação é a tendência dos clínicos para dar preferência a uma sugestão gerada por inteligência artificial mesmo quando o seu próprio julgamento clínico os teria levado a uma conclusão diferente e potencialmente mais precisa. Este risco está bem documentado na literatura sobre fatores humanos e é diretamente aplicável à utilização de grandes modelos de linguagem em contextos clínicos.

O desempenho na tomada de decisões sequenciais 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 em questões estáticas equivalentes. Os encontros clínicos reais são sequenciais e dinâmicos. A maioria das avaliações de benchmark não o são.

Os diagnósticos raros apresentam uma vulnerabilidade particular. Os grandes modelos de linguagem são treinados em dados ao nível da população, e as condições raras estão, por definição, sub-representadas. Um modelo que tem bom desempenho em apresentações comuns pode ter mau desempenho no caso atípico ou raro que mais requer apoio diagnóstico.

O acesso não supervisionado por doentes introduz uma categoria de risco separada. Os doentes já estão a utilizar grandes modelos de linguagem de consumo para interpretar sintomas, avaliar medicamentos e tomar decisões sobre se devem procurar cuidados. Os controlos de qualidade que se aplicam a ferramentas destinadas a clínicos não se aplicam neste contexto, e o potencial de danos provenientes de informação clínica gerada por inteligência artificial não supervisionada é uma preocupação reconhecida na literatura sobre segurança do doente.

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 dos grandes modelos de linguagem requerem supervisão clínica cuidadosa para garantir a segurança do doente, mesmo num contexto de avaliação estruturado e específico de oncologia.

Segurança de dados, RGPD e o problema de introduzir dados de doentes

Um risco de conformidade que os clínicos frequentemente subestimam é a introdução de dados identificáveis de doentes em ferramentas de grandes modelos de linguagem destinadas ao consumidor, levantando preocupações significativas de segurança e privacidade de dados. Ao abrigo do Regulamento Geral sobre a Proteção de Dados do Reino Unido e do Regulamento Geral sobre a Proteção de Dados da UE, os dados de doentes são dados de categoria especial que requerem uma base jurídica explícita para o tratamento. Introduzir o nome, data de nascimento, história clínica ou resultados de testes de um doente numa ferramenta de grandes modelos de linguagem 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 residência de dados em jurisdições fora do Reino Unido ou da UE.

A distinção entre o ChatGPT de consumo e implementações empresariais ou específicas de cuidados de saúde é relevante aqui. Os acordos empresariais com a OpenAI ou fornecedores equivalentes podem incluir acordos de tratamento de dados, compromissos de não utilizar entradas para treino de modelos e residência de dados definida. As ferramentas destinadas ao consumidor não possuem nenhuma destas proteções por defeito.

Os clínicos que utilizam qualquer ferramenta de inteligência artificial num contexto clínico devem verificar:

• Se existe um acordo de tratamento de dados entre a sua organização e o fornecedor de inteligência artificial

• Onde os dados dos doentes são processados e armazenados

• Se a ferramenta foi aprovada pela equipa de governação de informação da sua organização

• Se os dados dos doentes podem ser desidentificados antes da entrada sem perder utilidade clínica

Como a inteligência artificial clínica construída para fins específicos difere dos grandes modelos de linguagem de uso geral

O contraste entre grandes modelos de linguagem de uso geral e ferramentas de inteligência artificial clínica construídas para fins específicos não se resume apenas ao modelo subjacente. É uma questão de toda a arquitetura de implementação.

Um estudo de benchmark publicado na NPJ Digital Medicine em dezembro de 2025 desenvolveu o Clinical Safety-Effectiveness Dual-Track Benchmark (CSEDB) e testou seis grandes modelos de linguagem em 30 métricas cobrindo domínios de apoio à decisão clínica. Os grandes modelos de linguagem médicos específicos de domínio mostraram vantagens de desempenho consistentes sobre modelos de uso geral, com pontuações máximas mais altas tanto em segurança (0,912 vs pontuações de uso geral mais baixas) como em eficácia (0,861). O desempenho geral em todos os modelos teve uma média de 57,2 por cento, com uma queda de desempenho de 13,3 por cento em cenários clínicos de alto risco.

As ferramentas de inteligência artificial clínica construídas para fins específicos e concebidas para ambientes de cuidados de saúde regulamentados oferecem tipicamente:

• 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 que permite à ferramenta aceder a dados estruturados de doentes sem reintrodução manual

• Certificação de dispositivo médico ao abrigo de quadros regulamentares relevantes (Regulamento de Dispositivos Médicos na UE, registo UKCA ou MHRA no Reino Unido)

• Utilizações previstas definidas que restringem a ferramenta a tarefas onde o seu desempenho foi avaliado

O modelo de linguagem subjacente pode ser semelhante ou idêntico ao de um grande modelo de linguagem de uso geral. O que difere é a camada de governação, a evidência de validação e a responsabilização regulamentar.

O que a evidência realmente diz: uma revisão de estudos clínicos

A evidência publicada sobre o desempenho dos grandes modelos de linguagem em tarefas clínicas está a crescer rapidamente, mas permanece metodologicamente irregular. Várias ressalvas importantes aplicam-se ao interpretar a literatura.

O desempenho em benchmarks não é igual à 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 significativa. Os exames de licenciamento testam recordação e raciocínio estruturado em problemas bem definidos. Não replicam a ambiguidade, pressão temporal, informação incompleta e tomada de decisões sequencial dos encontros clínicos reais.

A qualidade dos estudos é variável. A revisão sistemática de grandes modelos de linguagem nos cuidados do cancro colorretal descobriu que apenas 27 por cento dos estudos incluídos tinham baixo risco de viés, com domínios problemáticos incluindo medição de resultados, seleção de doentes e falta de avaliação cega. Os resultados de estudos com maior risco de viés devem ser interpretados com cautela.

Os quadros de avaliação ainda não estão padronizados. Um consenso de especialistas de 2025 publicado na ScienceDirect identificou a falta de metodologias de avaliação consistentes como uma barreira significativa à implementação segura, abrangendo rastreio de doenças, assistência diagnóstica e gestão de saúde. Sem avaliação padronizada, comparar o desempenho entre estudos é difícil.

O desempenho específico por especialidade varia substancialmente. A base de evidência é mais forte em áreas com grandes conjuntos de dados de treino bem estruturados, incluindo apresentações comuns em cuidados primários, estadiamento oncológico e interpretação radiológica. O desempenho em doenças raras, multimorbilidade complexa e apresentações agudas sensíveis ao tempo está menos bem caracterizado.

Um comentário da JAMIA de janeiro de 2025 explorando o potencial do ChatGPT para aumentar a lógica do apoio à decisão clínica reconheceu tanto a promessa como as lacunas significativas na evidência, observando que limitações-chave e áreas para investigação futura permanecem por resolver.

Um quadro para clínicos que avaliam ferramentas de inteligência artificial para apoio à decisão

Antes de adotar qualquer ferramenta de inteligência artificial num fluxo de trabalho clínico, os clínicos e os decisores de cuidados de saúde devem aplicar uma lente de avaliação estruturada. As seguintes questões estão fundamentadas nos quadros regulamentares e de governação clínica atuais, e são particularmente relevantes ao avaliar ferramentas de apoio à decisão clínica.

Sobre precisão e validação

• A ferramenta foi validada em populações de doentes comparáveis às do seu contexto clínico?

• Qual é a evidência publicada sobre a taxa de alucinação, calibração e desempenho em cenários de alto risco?

• O desempenho degrada-se em doentes com comorbilidades ou apresentações atípicas?

Sobre o estatuto regulamentar

• A ferramenta está classificada como dispositivo médico ao abrigo do quadro regulamentar relevante?

• Caso contrário, qual é a utilização prevista declarada pelo fabricante, e o seu caso de uso clínico enquadra-se nela?

Sobre a governação de dados

• Existe um acordo de tratamento de dados entre a sua organização e o fornecedor de inteligência artificial?

• Onde são processados e armazenados os dados dos doentes?

• A ferramenta foi aprovada pelas equipas de governação de informação e segurança clínica da sua organização?

Sobre a supervisão clínica

• O modelo de implementação da ferramenta requer revisão clínica de todos os resultados antes de influenciarem decisões clínicas?

• Existe um rasto de auditoria que apoia a responsabilização se uma decisão assistida por inteligência artificial for posteriormente questionada?

• Os clínicos que utilizam a ferramenta estão treinados para reconhecer os seus modos de falha específicos, incluindo alucinação e viés de automação?

O preprint ChatGPT-CARE identificou limitações específicas do ChatGPT base em contextos clínicos, incluindo ignorar orientações de prática clínica, falta de transparência no raciocínio e respostas excessivamente gerais. Propôs aprendizagem em contexto e prompting de cadeia de pensamento como estratégias de mitigação. Estas representam uma direção de evolução para ferramentas construídas para fins específicos, em vez de uma solução disponível em implementações de consumo.

A conclusão: utilização apropriada versus dependência inapropriada

A evidência apoia uma posição matizada. O ChatGPT e grandes modelos de linguagem comparáveis podem reduzir a carga de documentação, apoiar clínicos não especialistas na geração de diagnósticos diferenciais e melhorar a acessibilidade da comunicação clínica, particularmente em contextos com recursos limitados ou não especializados. Estes são benefícios reais e mensuráveis.

O que a evidência não apoia é a tomada de decisões clínicas autónoma por grandes modelos de linguagem, ou a utilização de ferramentas de consumo de uso geral como substituto de sistemas validados de apoio à decisão clínica em contextos de alto risco. O estudo dos Annals of Biomedical Engineering sobre o ChatGPT no apoio à decisão clínica concluiu que a supervisão de especialistas humanos permanece essencial em todas as aplicações, uma conclusão ecoada consistentemente em toda a literatura.

A fronteira entre utilização apropriada e dependência inapropriada nem sempre é óbvia na prática, mas vários marcadores são úteis:

• 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 multimorbilidade ou de 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 utilizadas com dados identificáveis de doentes em circunstância alguma, independentemente da tarefa clínica.

A supervisão clínica não é uma salvaguarda temporária pendente de melhor inteligência artificial. É um requisito estrutural, dado o estado atual da precisão, calibração e validação regulamentar dos grandes modelos de linguagem. As ferramentas estão a melhorar, a base de evidência está a crescer e os quadros regulamentares estão a evoluir. Até que as ferramentas de inteligência artificial clínica validadas demonstrem desempenho consistente e seguro em toda a gama de complexidade clínica, o clínico permanece 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. Os grandes modelos de linguagem de uso geral como o ChatGPT não são comercializados com uma finalidade médica prevista, pelo que não possuem marcação CE como dispositivos médicos ao abrigo do Regulamento de Dispositivos Médicos da UE. Quando um clínico utiliza o ChatGPT de consumo para apoiar uma decisão clínica, não existe base de evidência validada, quadro de responsabilidade do fabricante nem rasto de auditoria regulamentar. A responsabilidade clínica recai inteiramente sobre o clínico.

▶ Que tarefas clínicas mostram a evidência mais forte para a utilidade dos grandes modelos de linguagem?

A evidência é mais forte na documentação clínica, onde uma síntese publicada na Frontiers in Artificial Intelligence encontrou poupanças de tempo de 40 a 70 por cento quando os grandes modelos de linguagem auxiliaram na geração e resumo de notas. Os grandes modelos de linguagem também mostram utilidade mensurável na redação de cartas para doentes, no apoio a clínicos não especialistas com diagnósticos diferenciais e na aceleração do resumo de literatura. As decisões diagnósticas ou de prescrição de alto risco em casos complexos são onde a evidência é mais fraca e os riscos são maiores.

▶ O que é alucinação, e porque é que importa em contextos clínicos?

Alucinação é quando um grande modelo de linguagem gera informação aparentemente plausível, mas factualmente incorreta. Em contextos clínicos, isto pode ser perigoso. Uma análise de novembro de 2025 descobriu que resultados alucinados que parecem credíveis podem orientar os clínicos para intervenções prejudiciais, particularmente quando o resultado incorreto se alinha com uma suspeita clínica existente. O ChatGPT demonstrou a taxa de alucinação mais baixa entre quatro modelos testados, a 7,4 por cento, mas mesmo essa cifra não é trivial num contexto clínico.

▶ O ChatGPT pode detetar de forma fiável interações medicamento-medicamento?

Não. Um estudo europeu publicado na Clinical Pharmacology and Therapeutics em fevereiro de 2025 descobriu que o ChatGPT produziu respostas diferentes em 90 por cento dos casos quando a mesma consulta de interação medicamentosa foi repetida, e não detetou interações clinicamente relevantes. O estudo concluiu que atualmente não pode ser recomendado para este caso de uso. Ao contrário dos sistemas de prescrição baseados em regras, que aplicam lógica codificada consistente, os grandes modelos de linguagem produzem resultados probabilísticos que variam com a formulação e o contexto.

▶ 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?

Introduzir dados identificáveis de doentes em ferramentas de grandes modelos de linguagem destinadas ao consumidor constitui quase certamente o tratamento de dados de categoria especial por um responsável pelo tratamento terceiro, sem um acordo de tratamento de dados, sem uma base jurídica e potencialmente com dados armazenados fora do Reino Unido ou da UE. As ferramentas de consumo não possuem nenhuma das proteções que as implementações empresariais ou específicas de cuidados de saúde podem incluir. Os clínicos devem verificar se existe um acordo de tratamento de dados, onde os dados são processados e armazenados, e se a equipa de governação de informação da sua organização aprovou a ferramenta antes da utilização.

▶ Como é que uma ferramenta de inteligência artificial clínica construída para fins específicos difere do ChatGPT de uso geral?

A diferença não está apenas no modelo subjacente. É toda a arquitetura de implementação. As ferramentas de inteligência artificial clínica construídas para fins específicos oferecem resultados validados testados face a resultados clínicos, rastos de auditoria que apoiam a governação e responsabilização, integração no sistema de registos médicos e certificação de dispositivo médico ao abrigo de quadros regulamentares relevantes. Um estudo de benchmark publicado na NPJ Digital Medicine em dezembro de 2025 descobriu que os grandes modelos de linguagem médicos específicos de domínio mostraram vantagens de desempenho consistentes sobre modelos de uso geral, com pontuações mais altas tanto em métricas de segurança como de eficácia.

▶ Passar em exames de licenciamento médico significa que o ChatGPT é seguro para apoio à decisão clínica?

Não diretamente. Os grandes modelos de linguagem alcançaram pontuações na faixa de 80 a 90 por cento em exames de licenciamento médico como o USMLE, mas os exames de licenciamento testam recordação e raciocínio estruturado em problemas bem definidos. Não replicam a ambiguidade, informação incompleta e tomada de decisões sequencial dos encontros clínicos reais. 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.

▶ 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 dos clínicos para dar preferência a uma sugestão gerada por inteligência artificial mesmo quando o seu próprio julgamento clínico os teria levado a uma conclusão diferente e potencialmente mais precisa. Este risco está bem documentado na literatura sobre fatores humanos e aplica-se diretamente à utilização de grandes modelos de linguagem em contextos clínicos. É agravado por uma falha na calibração da confiança nos modelos atuais: uma avaliação abrangente publicada na Health Informatics Journal em abril de 2026 descobriu que os modelos expressavam confiança semelhante, independentemente de o seu raciocínio ser sólido ou não.

▶ Onde devem os clínicos traçar a linha entre utilização apropriada e dependência inapropriada de grandes modelos de linguagem?

Tarefas de baixo risco e alto volume, como assistência à documentação, redação de cartas para doentes e resumo de literatura, 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 multimorbilidade ou de 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 utilizadas com dados identificáveis de doentes em circunstância alguma, independentemente da tarefa clínica.