Palavras-chave
Inteligência artificial
Educação médica
Ensino de semiologia
Tecnologia em medicina
Grandes modelos de linguagem
Como Citar
Copyright © | Todos os direitos reservados.
A revista detém os direitos autorais exclusivos de publicação deste artigo nos termos da lei 9610/98.
Reprodução parcial
É livre o uso de partes do texto, figuras e questionário do artigo, sendo obrigatória a citação dos autores e revista.
Reprodução total
É expressamente proibida, devendo ser autorizada pela revista.
Resumo
Objetivo: Avaliar a fidedignidade e desempenho de ferramentas atuais de inteligência artificial (IA) que usam grandes modelos de linguagem na descrição de sinais e sintomas da semiologia médica e compará-las entre si. Métodos: Foram selecionados descritores comuns na prática médica e no ensino de Semiologia médica, abrangendo os principais sistemas corporais como o cardiovascular, respiratório, digestivo e neurológico. Utilizou-se modelos de linguagem gratuitos e de amplo uso como as ferramentas Chat GPT (GPT-4), Gemini 1.5 e Microsoft Copilot para consulta, empregando o comando “Defina o [termo]”. As respostas foram avaliadas como inexistentes, incompletas ou completas, comparando-as à literatura especializada. Os casos duvidosos foram revisados por um outro observador. Resultados: Das 300 consultas realizadas, 56,4% foram consideradas completas. O sistema respiratório apresentou maior assertividade (87,5%). O assistente virtual de inteligência artificial Copilot destacou-se com 60% de respostas completas. Conclusão: A IA demonstrou potencial no aprendizado da semiologia médica, embora necessite de aprimoramentos para maior precisão.
Referências
AMISHA M, et al. Overview of artificial intelligence in medicine. J Family Med Prim Care, 2019; 8: 2328-31.
ALZAABI A, MASTERS K. Assessing medical students' readiness for artificial intelligence after pre-clinical training. BMC Med Educ, 2025; 25(1): 824.
ARMSTRONG P. Bloom’s taxonomy. In: Vanderbilt University Center for Teaching (Ed.). A Taxonomy for Learning, Teaching, and Assessing: A Revision of Bloom’s Taxonomy of Educational Objectives, 2010.
ARORA A. The promise of large language models in health care. The Lancet, 2023; 401(10377): 641.
AYUMBA EM. Medical Semiology Teaching Based on Intelligent eLearning. Stud Health Technol Inform, 2023; 302: 482-483.
BAJWA J, et al. Artificial intelligence in healthcare: transforming the practice of medicine. Future Healthcare Journal, 2021; 8(2): e188–94.
BEARMAN M, et al. Discourses of artificial intelligence in higher education: a critical literature review. High Educ, 2022.
BRASIL. Presidência da República. Lei Geral de Proteção de Dados Pessoais (LGPD). Lei nº 13.709, de 14 de agosto de 2018. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.html. Acessado em: 28/03/2024.
DA VINHA RICIERI D da V, et al. Erros comuns de docentes sem letramento em Inteligência Artificial: uma revisão integrativa para o ensino superior. Peer Review, 2024; 6(7): 284–300.
DA VINHA RICIERI D, et al. Roteiro de comandos de ajuste fino para ChatGPT. SCIAS - Educação, Comunicação e Tecnologia, 2024; 6(1): 107–138.
DAVENPORT T, KALAKOTA R. The potential for artificial intelligence in healthcare. Future Healthcare Journal, 2019; 6(2): 94-98.
DENNICK R. Constructivism: reflections on twenty five years teaching the constructivist approach in medical education. Int J Med Educ. 2016 Jun 25; 7:200-5.
EMANUEL EJ, WACHTER RM. Artificial Intelligence in Health Care: Will the Value Match the Hype? JAMA, 2019; 321(23): 2281–2282.
GOH PS, SANDARS J. A vision of the use of technology in medical education after the COVID-19 pandemic. MedEdPublish, 2020; 9: 49.
GORDON M, et al. A scoping review of artificial intelligence in medical education: BEME Guide No. 84. Medical Teacher, 2024; 46(4): 446-470.
GRIPAY B, et al. Benefits of semiology taught using near-peer tutoring are sustainable. BMC Med Educ, 2022; 22: 26.
GUAN J. Artificial intelligence in healthcare and medicine: promises, ethical challenges and governance. Chinese Medical Sciences Journal, 2019; 34(2): 76-83.
GUERRERO-ROLDÁN, et al. Experiences in the use of an adaptive intelligent system to enhance online learners' performance: a case study in Economics and Business courses. Int J Educ Technol High Educ 18, 36 (2021).
HAMET P, TREMBLAY J. Artificial intelligence in medicine. Metabolism, 2017; 69: S36-S40.
HE J, et al. The practical implementation of artificial intelligence technologies in medicine. Nature Medicine, 2019; 25(1): 30-36.
HEN J, et al. How Many Demonstrations Do You Need for In-context Learning? arXiv, 2023; n. 2303.08119v3: 1-11.
HORTON R. Offline: No dark sarcasm in the classroom. The Lancet, 2022; 400: 1666.
HUMBLE N, MOZELIUS P. The threat, hype, and promise of artificial intelligence in education. Discover Artificial Intelligence, 2022; 2(1): 22.
JIANG F, et al. Artificial intelligence in healthcare: past, present and future. Stroke and Vascular Neurology, 2017; 2(4): 230-243.
KHOR W, NGIAM KY. Big data and machine learning algorithms for health-care delivery. The Lancet Oncology, 2019; 20(5): e262-273.
KOLACHALAMA VB, GARG PS. Machine learning and medical education. NPJ Digital Medicine, 2018; 1(1): 54.
LASO GUZMÁN FJ. Relevance of medical semiology in the technological era. Med Clin (Barc), 2017; 148(12): 559-561.
LGPD: a Lei Geral de Proteção de Dados Pessoais e a atuação do profissional de medicina / Conselho Federal de Medicina. Brasília: CFM, 2022. Disponível em: https://www.flip3d.com.br/pub/cfm/index9/?numero=38&edicao=5305#page/1. Acessado em: 28/03/2024.
MCCOY LG, et al. What do medical students actually need to know about artificial intelligence? NPJ Digital Medicine, 2020; 3(1): 86.
NGIAM KY, KHOR W. Big data and machine learning algorithms for health-care delivery. The Lancet Oncology, 2019; 20(5): e262-273.
PARANJAPE K, et al. Introducing artificial intelligence training in medical education. JMIR Medical Education, 2019; 5(2): e16048.
PATEL VL, et al. The coming of age of artificial intelligence in medicine. Artificial Intelligence in Medicine, 2009; 46(1): 5-17.
Porto, C. Semiologia Médica. 8. ed. Rio de Janeiro: Guanabara Koogan, 2019.
PSYCHÉ V, RUER P. L’apprentissage adaptatif intelligent. Revue Le Tableau, 2019; 8(4).
RAJPURKAR P, et al. "AI in medical imaging: from prediction to diagnosis". Nature Medicine, 2022; 28: 31–38.
RUIZ JG, et al. The impact of e-learning in medical education. Academic Medicine, 2006; 81(3): 207-212.
STEINHUBL S, TOPOL EJ. Digital medicine, on its way to being just plain medicine. NPJ Digital Medicine, 2018; 1(1): 20175.
SARWAR H, et al. Self-Reported Effectiveness of e-Learning Classes during COVID-19 Pandemic: A Nation-Wide Survey of Pakistani Undergraduate Dentistry Students. Eur J Dent. 2020 Dec; 14(S 01): S34-S43.
TANG KS, et al. Augmented reality in medical education: a systematic review. Canadian Medical Education Journal, 2020; 11(1): e81.
TEIXEIRA JAC. Semiologia médica: principais epônimos, sintomas, manobras e sinais. 1 ed. Rio de Janeiro. Editora UFF, 2024; 506 p.
TOPOL EJ. High-performance medicine: the convergence of human and artificial intelligence. Nature Medicine, 2019; 25(1): 44-56.
TRIANTAFYLLOU SA. Constructivist learning environments. In: Proceedings of the 5th International Conference on Advanced Research in Teaching and Education, 2022.
WHO. Role of primary care in the COVID-19 response. World Health Organization, 2021.
YU KH, et al. Artificial intelligence in healthcare. Nature Biomedical Engineering, 2018; 2(10): 719-731.