Year: 2025
Type: dissertation
Abstract: ResumoO erro de diagnóstico continua a ser uma causa relevante de dano evitável para os pacientes, frequentemente associado a enviesamentos cognitivos como a ancoragem, o viés de confirmação e o encerramento prematuro.A formação médica tradicional oferece poucas oportunidades, escaláveis e seguras, para treinar o reconhecimento e a correção destes desvios de raciocínio.Esta dissertação investiga se interações com um paciente virtual (VP), sensíveis ao enviesamento e guiadas por intenção clínica, podem (i) suscitar e detetar enviesamentos durante o raciocínio diagnóstico e (ii) fomentar reflexão metacognitiva associada a maior exatidão diagnóstica.A hipótese central é que diálogos com divulgação progressiva, orientados pela intenção clínica, revelam marcadores mensuráveis de enviesamento e que a reflexão estruturada se associa a uma avaliação mais sistemática de hipóteses.Para testar esta hipótese, foi desenvolvida a plataforma Smart-Doc, um paciente virtual suportado por IA.A solução combina diálogo não roteirizado com divulgação progressiva de informação baseada no reconhecimento de intenção clínica e integra deteção em tempo real de marcadores comportamentais de enviesamento através de análises híbridas (regras + semântica).O sistema suporta ainda reflexão metacognitiva pós-hoc, estruturada por prompts de feedback direcionados.Realizou-se um estudo-piloto com seis médicos internos que resolveram um caso desenhado para induzir enviesamentos.Foram analisadas as trajetórias diagnósticas, a usabilidade e a carga de trabalho.O Smart-Doc reproduziu padrões de raciocínio propensos a erro: 50% dos participantes chegaram a diagnósticos incorretos, sobretudo por ancoragem em evidência precoce e reconciliação medicamentosa incompleta; os diagnósticos corretos associaram-se a avaliação sistemática de hipóteses e procura ativa de contra-evidência.A usabilidade foi aceitável (SUS: 66,5).A carga de trabalho (NASA-TLX) foi moderada e explicada sobretudo pela exigência temporal compatível com a latência do diálogo (∼6 s por turno).A arquitetura modular e case-agnostic da plataforma permite a autoria de novos casos clínicos sem reengenharia, apoiando a escalabilidade curricular.As principais limitações incluem caso único, amostra reduzida e dependência de pontuação automatizada; os prompts em tempo real foram desativados no piloto.O trabalho futuro inclui redução de latência, introdução de prompts metacognitivos em tempo real com comparações controladas, expansão da biblioteca de casos e incorporação de adjudicação por peritos.Em conjunto, os resultados sustentam a exequibilidade de interações VP sensíveis ao enviesamento para treino diagnóstico, posicionando o enviesamento cognitivo não apenas como fonte de erro, mas como uma oportunidade para aprendizagem estruturada e reflexão sistemática.i
Author: Bruno de Sena Pereira
Language: English
Subfield: Family Practice
Field: Medicine
Domain: Health Sciences
Open Access status: green
OpenAlex ID: W7111578166