03.07.2026 Metodologia Científica

Como usar diretrizes internacionais e inteligência artificial na auditoria metodológica de pesquisas clínicas

Alimentar modelos de linguagem com diretrizes como PRISMA e CONSORT transforma a IA em ferramenta de auditoria prévia do plano estatístico

Juliana Protásio

Mapear o plano estatístico e o desenho metodológico de um estudo costuma ser um dos principais gargalos na pós-graduação e na pesquisa clínica. O desafio ganhou contornos mais complexos com a popularização da inteligência artificial (IA) generativa nesse processo: a tecnologia exige comandos precisos para evitar respostas fabricadas (as chamadas “alucinações”) ou análises com viés.

Uma abordagem para mitigar esses riscos foi apresentada por João Brainer, médico neurologista e pesquisador clínico do Einstein Hospital Israelita, em encontro virtual promovido pelo Science Arena. O especialista defende que a estratégia central está em alimentar os modelos de linguagem com os principais guidelines internacionais da área, como o PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses, para revisões sistemáticas) ou o CONSORT (Consolidated Standards of Reporting Trials, para ensaios clínicos randomizados), antes de iniciar qualquer análise.

Ao cruzar os requisitos dessas diretrizes com os dados preliminares do estudo, a IA passa a funcionar como ferramenta de auditoria prévia. O objetivo é que o pesquisador possa refinar elementos como o tamanho amostral, os desfechos (outcomes) e as subanálises antes de submeter o trabalho à avaliação por pares.

Comando recomendado para auditoria do plano estatístico

A estratégia pode ser operacionalizada por meio de um prompt estruturado, que instrui a IA a cruzar os dados do estudo com os critérios do guideline escolhido e a identificar lacunas no plano de análise. Veja o modelo sugerido por João Brainer:

Prompt sugerido: “Analise os dados preliminares do meu estudo, incluindo o tamanho amostral e os subgrupos planejados [inserir dados brutos/resumo do desenho]. Em seguida, cruze essas informações com as diretrizes do checklist [inserir ou colar as regras do PRISMA, CONSORT ou equivalente]. Identifique quais critérios obrigatórios não foram preenchidos no meu plano de análise e sugira refinamentos definitivos para evitar vieses de seleção.”

Elementos do prompt para auditoria metodológica

1. Dados do estudo: descreva o tamanho amostral, os subgrupos planejados e o resumo do desenho de pesquisa, elementos essenciais para que a IA compreenda o escopo do trabalho.

2. Guideline de referência: cole ou insira as diretrizes do checklist correspondente ao tipo de estudo: PRISMA para revisões sistemáticas; CONSORT para ensaios clínicos randomizados.

3. Instrução para a IA: solicite a identificação dos critérios obrigatórios não preenchidos no plano de análise e peça sugestões de refinamentos para evitar vieses de seleção.

IA como ferramenta de auditoria, não de decisão

A proposta não é transferir para a IA a responsabilidade pelas escolhas metodológicas do estudo. O objetivo é usá-la para assegurar a validade da metodologia empregada antes de submetê-la ao crivo dos pareceristas.

A validação de cada métrica continua exigindo o conhecimento acumulado e a percepção crítica do pesquisador. A combinação de tecnologia com diretrizes consolidadas pode, no entanto, tornar o processo mais eficiente e as escolhas mais rastreáveis.

Na gravação do encontro com João Brainer, é possível conferir mais orientações práticas para integrar a inteligência artificial à rotina acadêmica com rigor ético. Assista ao vídeo completo.

* É permitida a republicação das reportagens e artigos em meios digitais de acordo com a licença Creative Commons CC-BY-NC-ND.
O texto não deve ser editado e a autoria deve ser atribuída, incluindo a fonte (Science Arena).