Por que você não deve trocar seu médico pelo ChatGPT

A inteligência artificial deixou de ser promessa e passou a ser parte concreta da prática clínica. Mas é preciso separar o que já está consolidado do que ainda é estudo, e, sobretudo, alertar pacientes: usar um chatbot como substituto da consulta médica é, hoje, uma decisão de risco.

Comecemos pelo que está estabelecido. O campo mais maduro é o da imagem médica. A agência reguladora norte-americana FDA já autorizou mais de 1.450 dispositivos médicos baseados em IA, e cerca de 76% deles são para radiologia. Algoritmos detectam nódulos pulmonares, microcalcificações em mamografias, sinais precoces de derrame cerebral e fraturas em tomografias com desempenho comparável, e em alguns cenários superior, ao do radiologista humano.

A segunda frente consolidada é a da transcrição clínica. Os chamados “AI scribes”, que escutam a consulta e geram automaticamente o prontuário, já são realidade em milhões de atendimentos. Liberam o médico da tela do computador, devolvem o olho no olho com o paciente e reduzem o burnout, uma das maiores epidemias silenciosas da profissão.

Há, porém, todo um território em construção. Os gêmeos digitais, réplicas computacionais de órgãos, sistemas fisiológicos ou pacientes inteiros, capazes de simular respostas a tratamentos, seguem em fase de pesquisa, com aplicações ainda restritas à cardiologia experimental e a ensaios clínicos. É um horizonte fascinante, mas não é o presente.

E é aqui que entra o ponto mais delicado: os grandes modelos de linguagem, os LLMs, como ChatGPT, Gemini, Claude e DeepSeek. Eles impressionam pela fluência. Mas fluência não é diagnóstico.

Um estudo do Mount Sinai, divulgado em 2026, mostrou que, em cenários clínicos complexos, o ChatGPT acertou a decisão sobre o próximo passo — ir ao pronto-socorro, esperar em casa, procurar o consultório — em apenas 43% das vezes. Em situações de emergência clara e didática, o modelo se saiu bem. O problema apareceu nos casos com nuance, com o “elemento tempo”, em que o chatbot ora superestimou, ora subestimou o quanto o paciente podia esperar. Em medicina, esse erro pode custar uma vida.

Outros estudos confirmam o padrão. Um trabalho da Universidade Deakin, na Austrália, encontrou que, em revisões de literatura geradas por IA sobre temas de saúde mental, quase 20% das referências citadas eram inteiramente fabricadas, e quase metade das reais continha erros. Para doenças raras, o desempenho cai ainda mais. The Lancet Digital Health publicou em 2026 um benchmark com 3,4 milhões de prompts mostrando que LLMs de uso geral são vulneráveis a desinformação médica embutida na pergunta, ou seja, se o paciente formula a dúvida partindo de uma premissa errada, o modelo tende a confirmar o erro.

Esse é o ponto central: o LLM não tem o seu prontuário, não examina, não palpa, não conhece sua história familiar, não interpreta o brilho do seu olhar nem a palidez da sua pele. Ele prevê a próxima palavra mais provável diante do texto que recebeu. Quando você descreve um sintoma de forma incompleta, e quase todo leigo faz isso, o modelo responde com a aparência de certeza que tantas vezes falta ao médico honesto.

Isso não significa abandonar a ferramenta. Significa usá-la como ela merece: para entender um termo do laudo, para preparar perguntas antes da consulta, para checar a bula de um medicamento, para se informar sobre uma condição já diagnosticada.

A regra que proponho aos meus pacientes é simples: se a pergunta envolve uma decisão clínica com consequência real, leve a resposta do chatbot para o seu médico, não a resposta do seu médico para o chatbot. A IA, bem usada, amplia a medicina. Mal usada, vira mais uma fonte de iatrogenia, só que sem CRM, sem responsabilidade e sem ninguém para olhar você nos olhos quando algo der errado.