Ganhos:
- Capacidade de estruturar a questão clínica e realizar revisão de literatura, resumo e compilação de evidências com inteligência artificial
- Capacidade de gerenciar o risco de referências fabricadas (alucinações), confirmando cada fonte fornecida pela inteligência artificial com DOI e o artigo original
- Capacidade de ler criticamente o resumo de IA, avaliando o nível de evidência, conflito de interesses e oportunidade
A farmácia é uma profissão cujos conhecimentos são constantemente renovados; Uma dose ou recomendação que era conhecida corretamente ontem pode mudar com um novo estudo. Farmácia baseada em evidências significa responder a uma pergunta com as evidências científicas mais atuais e confiáveis. Mas a literatura científica é enorme e dispersa; É fácil ficar sobrecarregado com centenas de artigos ao procurar uma resposta para uma pergunta. A inteligência artificial é uma ajuda poderosa para escanear e resumir aqui: ajuda a estruturar uma pergunta, gerar termos de pesquisa, resumir um texto longo. Mas o erro mais perigoso da inteligência artificial está justamente nesta área: ela pode inventar artigos e DOIs que não existem. Nesta unidade, você aprenderá a usar a inteligência artificial como uma ferramenta segura e validada na revisão de literatura.
Etapas da abordagem baseada em evidências
Uma pergunta baseada em evidências é respondida com estas etapas:
- Estruture a pergunta. Uma boa questão clínica é frequentemente enquadrada na estrutura PICO: Paciente/População (Paciente), Intervenção, Comparação, Resultado. Exemplo: “Como o medicamento X (I) afeta o risco de hipoglicemia (O) em comparação com o medicamento Y (C) em idosos com diabetes tipo 2 (P)?”
- Procure evidências. Pesquise bancos de dados e recursos apropriados.
- Avalie as evidências. Tipo de estudo, qualidade, tamanho da amostra e risco de viés.
- Aplique e monitore. Adapte a descoberta ao contexto do paciente.
A IA é particularmente rápida nas etapas 1 e 3 (estruturar a pergunta e ajudar na avaliação de um texto); mas o passo 2 (fornecimento) requer uma verificação crítica.
hierarquia de evidências
Nem todas as evidências são iguais. Uma hierarquia geral:
Nível de evidência
exemplo
poder
mais alto
Revisão sistemática, meta-análise
Combinação de vários estudos
alto
Ensaio controlado randomizado (ECR)
Viés controlado e baixo
médio
Coorte, caso-controle
Observacional, risco de fatores de confusão
baixo
Série de casos, opinião de especialistas
Generalização limitada
mais baixo
Conteúdo anedótico e não verificado da web
Fraco valor probatório
Ao resumir uma descoberta, a IA pode confundir o nível de evidência ou apresentar uma fonte fraca como forte. Você sempre controla o nível.
Além disso, pode haver estudos conflitantes sobre o mesmo assunto. Às vezes, a IA só consegue destacar um lado e ignorar o outro; isso é chamado de "apresentação seletiva". Uma avaliação robusta de evidências procura a tendência geral no tópico (o que muitos estudos têm em comum) e uma revisão sistemática atual, se disponível. Mudar a prática com base em um único estudo, especialmente um estudo com amostra pequena ou centro único, é arriscado. Perguntar à IA “existem descobertas conflitantes sobre esta questão, qual lado tem evidências mais fortes” é uma boa maneira de equilibrar um resumo unilateral; Mas a pesagem final é feita por você lendo as fontes originais.
Cuidado: a IA pode produzir referências completamente fabricadas com título, nome do autor, periódico e DOI realistas; isso é chamado de "alucinação de referência". Nunca cite uma fonte sem abrir o DOI na base de dados/revista original e visualizar seu conteúdo.
três mini cases
Caso 1 — DOI inventado. Um farmacêutico pediu à AI uma fonte sobre a eficácia de um medicamento; a inteligência artificial rendeu três artigos e DOI. Ao tentar abrir os DOIs, o farmacêutico constatou que dois não correspondiam a nenhum registro; um era real, mas relatou um resultado diferente. O farmacêutico utilizou apenas o artigo real que havia verificado. Sem verificação, duas fontes fictícias seriam incluídas num relatório.
Caso 2 — Pesquisa com PICO. Um farmacêutico estava pesquisando a comparação de segurança de dois analgésicos em idosos. Ele pediu à IA para despejar a pergunta no PICO e gerar termos de pesquisa. A IA forneceu termos e sinônimos claros; Com estes, o próprio farmacêutico realizou a própria busca na conhecida base de dados e avaliou os resultados. A inteligência artificial acelerou a pesquisa; O farmacêutico encontrou as fontes e as leu.
Caso 3 — Distorção sumária. Um farmacêutico tinha um artigo real resumido por inteligência artificial. O resumo afirmava que o estudo mostrou “superioridade inequívoca”; mas o próprio artigo dizia que o resultado “não alcançou significância estatística”. O farmacêutico leu o texto original, percebeu a distorção e corrigiu o resumo. O resumo da IA foi exagerado; Voltar à fonte revelou a verdade.
Caso 4 — Falta de assunto. Um farmacêutico recebeu informações de inteligência artificial sobre o uso recomendado de um medicamento. A resposta parecia razoável, mas baseava-se num guia de alguns anos atrás; No entanto, a recomendação foi atualizada desde então. Ao abrir o guia atualizado, o farmacêutico percebeu a diferença e tomou como base a nova recomendação. Como o conhecimento da IA estava congelado numa data específica, ela não poderia conhecer a mudança mais atual; a verificação da atualização preencheu essa lacuna.
Triagem baseada em evidências passo a passo
- Enquadre a questão com PICO. População, intervenção, comparação, resultado.
- Gere termos de pesquisa. Obtenha palavras-chave e sinônimos de inteligência artificial.
- Você faz a verdadeira ligação. Pesquise banco de dados/fonte de renome; "Fazendo" recursos para IA.
- Verifique todas as fontes. DOI aberto, o autor/revista/ano é real, o conteúdo apoia a afirmação?
- Avalie o nível de evidência. Tipo de trabalho, qualidade, conflito de interesses, pontualidade.
- Contextualize e salve. Vincule a descoberta ao paciente/pergunta, registre as fontes.
Alerta fraco / Alerta forte
Fraco: “Este medicamento é eficaz, indique a fonte.”
Forte: "Estruture a seguinte questão clínica na estrutura PICO: [pergunta]. Em seguida, gere termos de pesquisa eficazes e sinônimos para essa pergunta. NÃO invente a fonte/artigo; diga-me que tipo de estudos (RCT, meta-análise) e quais bases de dados devo procurar. Se você nomear uma fonte, marque 'não verificado, deve ser confirmado com DOI'."
No prompt forte, a estrutura, o limite e as condições de verificação são claros; A IA não é forçada a fabricar recursos.
Quatro modelos copiáveis
Tarefa: Plotar a questão clínica no PICO.Pergunta: [...]. Resultado: P (população), I (interferência), C (comparação), O (resultado) e uma questão de pesquisa estruturada de uma frase.
Tarefa: Gerar termo de pesquisa (fonte FITTING). Assunto: [...]. Resultado: palavras-chave + sinônimos + tipos de estudo sugeridos. Crédito/DOI; Apenas me diga como ligar.
Tarefa: Resuma este texto de forma imparcial (sem exageros).Texto: [artigo]. Resultado: objetivo, método, amostra, conclusão principal, restrições, conclusão. Expressar o resultado MAIS FORTE do que o texto diz; mantenha a incerteza.
Tarefa: Produzir checklist de verificação de referências.Referência: [...]. Ordenar por: abertura DOI? O autor/revista/ano é válido? O conteúdo apóia a afirmação? Qual é o nível de evidência? Existe um conflito de interesses?
Erros comuns
- Citando o DOI dado pela inteligência artificial sem abri-lo. O risco de alucinação de referência é o maior perigo.
- Substituindo o resumo pela fonte. Para uma afirmação crítica, deve-se retornar ao texto original.
- Confundindo o nível de evidência. A opinião de especialistas e a meta-análise não têm o mesmo peso.
- Ignorando a atualização. Um estudo mais antigo pode entrar em conflito com as orientações atuais; A data deve ser verificada.
- Ignorando conflito de interesses. O financiamento e a declaração de interesse influenciam a interpretação.
Resumindo
A inteligência artificial é um poderoso acelerador para estruturar perguntas, gerar termos de pesquisa e resumir textos longos em pesquisas bibliográficas. Mas o seu erro mais perigoso, a alucinação referencial, ocorre nesta área: pode produzir fontes que parecem realistas, mas que não existem. Portanto, faça você mesmo a pesquisa, verifique cada fonte com o DOI, compare os resumos com o texto original e avalie criticamente o nível de evidência. A interpretação final das evidências e sua adaptação ao paciente cabe ao farmacêutico.
Tarefa de aplicativo
Escolha uma pergunta clínica de sua própria prática e faça com que a IA a traduza para o PICO. Pegue os termos de pesquisa e faça você mesmo a pesquisa em um banco de dados reconhecido. Peça à IA algumas “fontes” sobre o tema e tente abrir o DOI de cada uma; Observe quantos são reais e quantos são inventados. Por fim, faça com que a IA resuma um artigo real, compare o resumo com o resultado original e sinalize quaisquer distorções.
lista de verificação
- [] Estruturei a pergunta em torno do PICO.
- [] Eu peguei os termos de pesquisa e fiz a pesquisa sozinho.
- [ ] Abri cada fonte com DOI e verifiquei sua autenticidade.
- [ ] Comparei os resumos com o texto original.
- [ ] Avaliei o nível de evidência e oportunidade.
- [ ] Eu considerei conflito de interesses.
- [] Salvei fontes verificadas.