Top 5 erros de prompting mais comuns em medicina

Autor: DIAna IA Expert

A inteligência artificial baseada em linguagem natural está a tornar-se numa ferramenta complementar para tarefas clínicas como a redação de relatórios, o apoio ao diagnóstico e a educação médica. No entanto, o seu potencial só é alcançado plenamente quando é utilizada corretamente.

Um dos fatores mais decisivos para obter bons resultados é o design do prompt: a mensagem ou instrução que se dá à IA. Apesar da sua aparente simplicidade, redigir um prompt eficaz no âmbito da saúde exige precisão, contexto e clareza.
Neste artigo analisamos os 5 erros mais comuns ao criar prompts médicos e como evitá-los para conseguir uma interação mais útil, segura e baseada em evidência.

• Queres aprender a criar prompts perfeitos em medicina? Clica aqui para conhecer tudo o necessário para levar os teus prompts ao próximo nível.
• Também te recomendamos que conheças as 10 dicas essenciais para otimizar consultas médicas com IA.
   

1. "Qualquer prompt serve"

Uma das crenças mais difundidas é que qualquer mensagem, por mais básica que seja, gerará uma resposta útil de um modelo de linguagem. Esta ideia é especialmente perigosa em medicina, onde uma nuance pode alterar completamente o significado clínico de uma frase.

Prompts genéricos como "Resume este caso" ou "Faz um diagnóstico" podem provocar respostas ambíguas, incompletas ou até erróneas. Isto deve-se ao facto de o modelo necessitar de instruções claras para saber que abordagem seguir: resumir para um relatório clínico ou para uma reunião interdisciplinar?, diagnóstico presuntivo ou diferencial?

Exemplo de erro:
"Resume este relatório médico."

Sem contexto nem objetivo claro, a IA pode omitir informação fundamental ou gerar um texto superficial. (1)

Prompt corrigido:
"Resume em 5 linhas esta história clínica para apresentar em sessão de casos. Inclui antecedentes relevantes, achados principais e plano terapêutico."

Solução: Especifica o contexto clínico, o objetivo do texto e o formato esperado. Um prompt bem formulado não só melhora a qualidade do resultado, como poupa tempo de edição e reduz riscos clínicos.

2. "A IA responde sempre corretamente"

O segundo grande erro é assumir que, se uma resposta soa coerente, então é verdadeira. Os modelos de linguagem não compreendem nem verificam factos: simplesmente geram texto baseando-se em padrões linguísticos estatísticos.

Este fenómeno, conhecido como alucinação, pode levar a IA a "inventar" dados, diagnósticos, referências bibliográficas ou tratamentos que não existem ou não são adequados. Em medicina, isto pode ter consequências graves se não for detetado a tempo.

Mesmo para tarefas simples como redigir um resumo, é importante rever o conteúdo gerado e verificar que não contém erros subtis, como associações erróneas entre sintomas, omissão de dados relevantes ou linguagem não apropriada.

Exemplo de erro:
"Qual é o tratamento de eleição para febre tifoide?"

Pode responder com uma solução desatualizada ou não alinhada com as diretrizes oficiais.

Prompt corrigido:
"Segundo as diretrizes clínicas atuais da OMS, qual é o tratamento de primeira linha para febre tifoide em adultos, num contexto de alta resistência a fluoroquinolonas?"

Solução: Solicita sempre referências atualizadas, menciona organismos como a OMS, CDC ou diretrizes nacionais, e revê se a resposta está alinhada com a prática clínica local. (2,3)

3. "Não é preciso adaptar a linguagem médica"

A precisão terminológica é fundamental em medicina. Utilizar linguagem vaga ou generalista num prompt clínico pode resultar em respostas pouco úteis ou irrelevantes. A IA necessita que o utilizador empregue os mesmos códigos linguísticos com os quais foi treinada, e isso inclui nomes de doenças, valores laboratoriais, escalas clínicas e siglas comuns.

Por exemplo, um prompt que diga "explica o que tem o doente" é tão amplo que pode desencadear uma resposta superficial. Em contrapartida, se se incluírem termos como "síndrome coronário agudo", "Troponina I elevada" ou "escala de Killip II", o modelo é capaz de produzir uma resposta muito mais precisa e contextualizada.

Exemplo de erro:
"Explica o que poderia ter este doente com dor no peito."

Prompt muito amplo e pouco específico que pode gerar respostas erróneas ou pouco detalhadas.

Prompt corrigido:
"Descreve o diagnóstico diferencial de um homem de 60 anos com dor torácica tipo opressiva, irradiada para o braço esquerdo, com antecedentes de hipertensão e troponina elevada."

Solução: Emprega termos médicos padronizados, e se necessário, códigos CID, valores numéricos ou descrições estruturadas. Isto também facilita a reprodutibilidade do conteúdo gerado.⁴

4. "Não importa o contexto clínico"

Em medicina, os dados não existem no vazio. Uma mesma patologia pode requerer tratamentos distintos segundo o perfil do doente, as suas comorbilidades, a sua idade ou o nível de cuidados de saúde. Ignorar este contexto ao formular um prompt é um dos erros mais comuns e com maior potencial de gerar riscos.

Por exemplo, um prompt que diga "indica tratamento para pneumonia" não diferencia se o doente é pediátrico, adulto imunocomprometido, ou se se encontra num ambiente ambulatório ou em UCI. Cada um destes cenários exige decisões clínicas distintas.

Um prompt bem contextualizado não só melhora a qualidade da resposta, como permite que a IA atue de forma mais alinhada com as boas práticas clínicas.

Exemplo de erro:
"Que antibiótico usar na pneumonia?"

Não se sabe se o doente é ambulatório, hospitalizado ou imunossuprimido. Falta informação essencial e contexto clínico.

Prompt corrigido:
"Sugere um antibiótico empírico para uma doente de 75 anos com pneumonia adquirida na comunidade, antecedentes de DPOC e alergia à penicilina, internada em enfermaria." Inclui sempre dados contextuais como idade, sexo, antecedentes, ambiente clínico (hospital, consulta, urgências), alergias relevantes e dados fundamentais de laboratório ou imagem. ⁵

5. "O mesmo prompt serve para qualquer modelo"

Nem todos os modelos de IA são treinados da mesma forma. Existem modelos generalistas como ChatGPT ou Claude, e modelos especializados em medicina como Med-PaLM, BioGPT ou PubMedGPT. Usar o mesmo prompt indistintamente pode gerar diferenças importantes na qualidade, terminologia e relevância clínica das respostas.

Os modelos clínicos foram treinados com literatura biomédica, diretrizes clínicas e bases de dados especializadas, pelo que compreendem melhor os termos técnicos, os cenários clínicos complexos e as estruturas de casos médicos. Em contrapartida, os modelos generalistas podem cometer erros básicos de interpretação ou linguagem.

Exemplo de erro:
"Classifica este ECG com sinais de isquemia subendocárdica."

Num modelo generalista, pode falhar ou gerar uma resposta incorreta.

Prompt corrigido:
"Com base nos achados típicos de isquemia subendocárdica num eletrocardiograma (descida do ST difusa e T picudas), que causas clínicas poderiam estar relacionadas segundo as diretrizes ESC?"

Ajusta os teus prompts segundo o modelo que estás a utilizar. Se estás a trabalhar com um modelo generalista, simplifica a terminologia e explica o contexto com maior detalhe. Se usas um modelo clínico, podes confiar mais na sua capacidade para lidar com tecnicismos, mas nunca renuncies a validar o resultado.^6,7

Conclusão: Do prompting genérico ao prompting clínico de precisão

O prompting eficaz em medicina é uma competência que deve desenvolver-se com a mesma seriedade que qualquer outra competência clínica. Um prompt bem estruturado é como uma prescrição médica clara: específica, contextualizada e orientada para resultados.

Desde o Campus IA, promovemos uma prática clínica potenciada por IA, baseada em critérios de segurança, evidência e responsabilidade. 

Compreender os erros comuns é o primeiro passo para evitar a desinformação, melhorar a eficiência clínica e fortalecer a tomada de decisões.

"Um mau prompt pode confundir a IA; um bom prompt pode transformá-la numa assistente clínica fiável. A mudança está em como formulamos a pergunta. Cada palavra conta, e quando se trata de saúde, não podemos permitir-nos a ambiguidade. Redigir prompts clínicos não é uma tarefa menor. Saber perguntar bem é, em si mesmo, uma forma de bom exercício médico."

Autor: DIAna IA Expert

Os recursos e funcionalidades mencionados neste site não foram desenvolvidos, financiados, promovidos ou validados pela Sanofi. A Sanofi recolhe-os e descreve no Campus IA apenas para fins ilustrativos e não é responsável pela precisão ou integridade das informações resultantes do seu uso ou das opiniões expressas sobre eles. É responsabilidade do profissional de saúde garantir o uso e monitoramento adequados dos resultados obtidos através da inteligência artificial, bem como verificar a veracidade das informações e a interpretação das opiniões dos especialistas. A inteligência artificial não deve substituir o julgamento humano do profissional de saúde, mas sim complementar o exercício da sua profissão.

MAT-PT-2300016- 4.0 - 03/2026