Criação de um paciente virtual para aplicação no ensino de acadêmicos de medicina

Autores

DOI:

https://doi.org/10.15343/0104-7809.202650e19472025P

Palavras-chave:

Inteligência Artificial, Simulação de Paciente, Ensino, Educação Médica, Diagnóstico

Resumo

O exame clínico permanece como pilar da formação médica, porém a expansão das escolas e limitações estruturais reduziram oportunidades práticas, favorecendo o uso de metodologias ativas e de pacientes virtuais baseados em inteligência artificial (IA). Neste trabalho, objetivou-se desenvolver um paciente virtual (PV) autoral baseado em IA e avaliar sua aceitação e aplicabilidade como ferramenta complementar ao ensino da semiologia médica. Este estudo teve caráter exploratório e experimental, com abordagem quali quantitativa, aprovado por Comitê de Ética, envolvendo acadêmicos de medicina que concluíram Semiologia I. O projeto ocorreu em duas etapas: criação de um PV piloto com a API do ChatGPT, fundamentado em diretrizes clínicas atualizadas, e desenvolvimento do PV autoral (SimHarvey) em plataforma própria. A abordagem metodológica consistiu na avaliação por questionário Likert de nove itens, com análises estatísticas descritivas e inferenciais não paramétricas. Participaram 118 estudantes, com elevada aceitação da ferramenta e médias superiores a 4,0/5,0 em satisfação, utilidade no treinamento do exame clínico, aprendizado, confiança e recomendação. Não houve diferenças significativas quanto ao sexo ou estágio de formação, e a percepção global foi significativamente superior ao ponto neutro (p<0,001). Os achados indicaram que o PV baseado em IA favoreceu o raciocínio clínico, a organização da anamnese e a simulação de cenários clínicos diversos, corroborando a literatura sobre pacientes virtuais como estratégias educacionais eficazes e acessíveis. O SimHarvey mostrou-se uma ferramenta de baixo custo, bem aceita e com potencial relevante para complementar a formação médica, sem substituir a prática clínica real, sendo especialmente útil em contextos com restrições estruturais.

Downloads

Não há dados estatísticos.

Traduções deste artigo

Referências

Balfour GW. On the Evolution of Cardiac Diagnosis from Harvey’s Days Till Now. Edinb Med J. 1887 Jun;32(12):1065–81. PMCID: PMC5281370.

Porto CC. Semiologia Médica. 8. ed. Rio de Janeiro: Guanabara Koogan, 2019.

Scheffer M, et al. Demografia Médica no Brasil 2020. São Paulo: FMUSP, CFM; 2020. Disponível em: https://pesquisa.bvsalud.org/portal/resource/ pt/biblio-1436680 Acesso em: 27 jun. 2026.

Suárez A, Adanero A, Díaz-Flores García V, Freire Y, Algar J. Using a Virtual Patient via an Artificial Intelligence Chatbot to Develop Dental Students’ Diagnostic Skills. Int J Environ Res Public Health. 2022 Jul 18;19(14):8735. DOI: 10.3390/ijerph19148735.

Santos ECN, Almeida RG, Meska MHG, Mazzo A. Paciente simulado versus simulador de alta fidelidade: satisfação, autoconfiança e conhecimento entre estudantes de enfermagem no Brasil. Cogitare Enferm. 2021;26:e76730. DOI: 10.5380/ce.v26i0.76730.

Mantas J, et al. Recommendations of the International Medical Informatics Association (IMIA) on Education in Biomedical and Health Informatics: First Revision. Methods Inf Med. 2010 Jan 7;49(2):105-20. DOI: 10.3414/ME5119.

Kononowicz AA, et al. Virtual Patient Simulations in Health Professions Education: Systematic Review and Meta-Analysis by the Digital Health Education Collaboration. J Med Internet Res. 2019 Jul 2;21(7):e14676. DOI: 10.2196/14676.

OpenAI. ChatGPT [software]. Versão GPT-5. San Francisco: OpenAI; 2025. Disponível em: https://platform.openai.com/docs/api-reference Acesso em: 27 jun. 2026.

Sociedade Brasileira de Cardiologia; Sociedade Brasileira de Hipertensão; Sociedade Brasileira de Nefrologia. Diretriz Brasileira de Hipertensão Arterial – 2025. Arq Bras Cardiol. 2025;122(9):e20250624. Disponível em: https://cremal.org.br/wp-content/uploads/2025/11/Diretriz_ Hipertensao_2025_SBC_Melhor ado.pdf Acesso em: 27 jun. 2026.

Dalgalarrondo P. Psicopatologia e semiologia dos transtornos mentais. 3. ed. Porto Alegre: Artmed; 2019.

Tureck F, Souza S, Faria RMD. Estratégias de ensino do raciocínio clínico nos cursos de Medicina do Brasil - revisão integrativa. Rev Bras Educ Med. 2023;47(1):e017. DOI: 10.1590/1981-5271v47.1-20220032.

Knobel R, Costa RR. Confecção e uso de simuladores de baixo custo: experiências da medicina e enfermagem. In: Tarcia RM, organizadora. Simulação em saúde para ensino e avaliação. Brasília: ABEM; 2021. p. 119–127.

Rodrigues ND, Nunes LMA, Magno LMS, Daher IC, Rodrigues NFD. O impacto das simulações realísticas com pacientes virtuais na formação dos alunos de medicina do CESUPA. Res Soc Dev. 2023 Aug 24;12(8):e12412842981. DOI: 10.33448/rsd-v12i8.42981.

Zeferino AMB, Domingues RCL, Amaral E. Feedback como estratégia de aprendizado no ensino médico. Rev Bras Educ Med. 2007;31(2):176–9. DOI: 10.1590/S0100-55022007000200009.

Publicado

2026-08-14

Como Citar

Botelho, M. de L., Campos, L. M., Soares, L. A., Brito, G. R., Santos, M. S., Póvoa, L. L. L., & Costa, J. R. (2026). Criação de um paciente virtual para aplicação no ensino de acadêmicos de medicina. O Mundo Da Saúde, 50. https://doi.org/10.15343/0104-7809.202650e19472025P

Edição

Seção

Artigos