Pular para o conteúdo
Alpha Doctor

LLMs e chatbots clínicos

Agentes conversacionais com inteligência artificial são aceitos e eficazes no autocuidado de doenças crônicas?

Resposta curta: A revisão sistemática identificou 26 estudos com agentes conversacionais em doenças crônicas, sendo 16 chatbots. A aceitação geral pelos usuários foi promissora, com relatos de utilidade, satisfação e facilidade de uso em mais da metade dos estudos. Porém, faltam evidências confiáveis e comparáveis sobre a eficácia, devido ao relato insuficiente dos detalhes técnicos de implementação.

Resposta

A revisão sistemática buscou na literatura estudos que testaram agentes conversacionais com usuários humanos no contexto de prevenção, tratamento ou reabilitação de doenças crônicas. A busca recuperou 1087 artigos e 26 preencheram os critérios de inclusão, o que indica um corpo de evidência ainda relativamente pequeno diante do volume inicial de publicações.

Entre os 26 agentes conversacionais avaliados, 16 eram chatbots, sete eram agentes conversacionais incorporados, um era um agente conversacional em um robô e outro era um agente relacional. Um agente não foi especificado. Essa distribuição mostra que a maior parte da experiência publicada se concentra em interfaces de texto conversacionais, com menor representação de formas incorporadas ou robóticas.

O feedback dos usuários foi favorável: em mais da metade dos estudos incluídos, houve relatos de utilidade, satisfação e facilidade de uso. A aceitação geral dos agentes conversacionais para o autocuidado de doenças crônicas foi considerada promissora, e muitos usuários parecem se sentir mais confortáveis com esses sistemas.

Apesar desse sinal positivo, a revisão aponta falta de evidências confiáveis e comparáveis para determinar a eficácia dos agentes conversacionais habilitados por inteligência artificial em condições crônicas de saúde. O motivo principal é o relato insuficiente dos detalhes técnicos de implementação, o que dificulta comparações entre estudos e a reprodução das intervenções.

Para o médico, o recado é de cautela informada: a aceitação relatada é encorajadora, mas ainda não há base sólida para afirmar eficácia clínica. O resumo não informa dados sobre desfechos clínicos específicos, tamanho de amostra por estudo ou características detalhadas das populações incluídas.

O que o estudo mostrou

Trata-se de uma revisão sistemática com busca realizada em fevereiro de 2021 em PubMed Medline, EMBASE, PsycINFO, CINAHL, Web of Science e ACM Digital Library. A busca recuperou 1087 artigos e 26 estudos preencheram os critérios de inclusão. Dos 26 agentes conversacionais, 16 eram chatbots, sete eram agentes conversacionais incorporados, um era um agente conversacional em um robô, um era um agente relacional e um não foi especificado. A aceitação geral pelos usuários foi promissora, com relatos de utilidade, satisfação e facilidade de uso em mais da metade dos estudos incluídos.

Limitações

A revisão aponta falta de evidências confiáveis e comparáveis para determinar a eficácia dos agentes conversacionais habilitados por inteligência artificial em doenças crônicas, devido ao relato insuficiente dos detalhes técnicos de implementação. O resumo não informa o tamanho das amostras dos estudos incluídos, o desenho individual de cada estudo, os desfechos clínicos avaliados nem as populações específicas por condição crônica.

Aplicação no consultório

A aceitação favorável relatada pelos usuários sugere que agentes conversacionais podem ser considerados como ferramentas de apoio ao autocuidado em doenças crônicas, mas a ausência de evidência confiável de eficácia recomenda cautela antes de incorporá-los como padrão de cuidado. Na gestão do consultório, ao avaliar fornecedores ou pilotos dessas tecnologias, o médico deve exigir documentação técnica detalhada e métricas de desfecho, já que a revisão identificou justamente o relato técnico insuficiente como barreira para comparar e validar essas soluções.

Estudo citado

A Systematic Review on Healthcare Artificial Intelligent Conversational Agents for Chronic Conditions. Sensors (Basel, Switzerland), 2022.
Autores: Bin Sawad A, Narayan B, Alnefaie A, Maqbool A, Mckie I, Smith J, Yuksel B, Puthal D, Prasad M, Kocaballi AB.
DOI: 10.3390/s22072625 · PubMed: PMID 35408238

Perguntas para aprofundar

Mais sobre LLMs e chatbots clínicos

Todas as perguntas sobre LLMs e chatbots clínicos · Todos os temas · Versão em markdown

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.