ASSISTENTE GPT "RevisãoSistemática-GPT": inovação em revisões sistemáticas para ensino e pesquisa em saúde

Abstract

RESUMO A revisão sistemática constitui um método rigoroso e indispensável para a síntese de evidências na pesquisa em saúde. Este artigo descreve o desenvolvimento do assistente de inteligência artificial denominado “RevisãoSistemática-GPT”, uma ferramenta projetada para conduzir revisões sistemáticas completas, de alta qualidade e rigor metodológico. Este GPT customizado é capaz de, a partir da definição do tema e dos objetivos, formular perguntas de pesquisa, construir estratégias de busca avançadas, executar buscas nas principais bases de dados nacionais e internacionais, além de auxiliar nas etapas de triagem, extração de dados e síntese dos resultados. A pesquisa adota uma abordagem metodológica de desenvolvimento interno, com validação pela equipe de desenvolvimento. Os resultados apontam que o RevisãoSistemática-GPT otimiza o processo de realização de revisões sistemáticas, assegura aderência aos protocolos internacionais, como PRISMA e JBI, e contribui significativamente para a formação de pesquisadores na área da saúde. Conclui-se que o uso de Modelos de Linguagem de Grande Escala (LLMs) na pesquisa científica representa uma inovação educacional e metodológica de alto impacto.

Palavras-chave: Inteligência artificial. Revisão sistemática. GPT. Pesquisa científica. Saúde baseada em evidências. Inovação educacional.

ABSTRACT Systematic review is a rigorous and indispensable method for synthesizing evidence in health research. This article describes the development of the artificial intelligence assistant named “RevisãoSistemática-GPT”, a tool designed to conduct comprehensive systematic reviews with high quality and methodological rigor. This customized GPT model is capable of, from the definition of the topic and objectives, formulating research questions, constructing advanced search strategies, performing searches in major national and international databases, and assisting in the stages of screening, data extraction, and synthesis of results. The research adopts an internal development methodological approach, with validation conducted by the development team. The results indicate that RevisãoSistemática-GPT optimizes the process of conducting systematic reviews, ensures compliance with international protocols such as PRISMA and JBI, and significantly contributes to the training of researchers in the health field. It is concluded that the use of Large Language Models (LLMs) in scientific research represents an educational and methodological innovation with high impact.

Keywords: Artificial intelligence. Systematic review. GPT. Scientific research. Evidence-based health. Educational innovation.

RESUMEN La revisión sistemática constituye un método riguroso e indispensable para la síntesis de evidencias en la investigación en salud. Este artículo describe el desarrollo del asistente de inteligencia artificial denominado “RevisiónSistemática-GPT”, una herramienta diseñada para realizar revisiones sistemáticas completas, con alta calidad y rigor metodológico. Este modelo GPT personalizado es capaz de, a partir de la definición del tema y de los objetivos, formular preguntas de investigación, construir estrategias de búsqueda avanzadas, ejecutar búsquedas en las principales bases de datos nacionales e internacionales, además de asistir en las etapas de cribado, extracción de datos y síntesis de resultados. La investigación adopta un enfoque metodológico de desarrollo interno, con validación realizada por el equipo de desarrollo. Los resultados señalan que el uso de RevisiónSistemática-GPT optimiza el proceso de realización de revisiones sistemáticas, asegura la adherencia a los protocolos internacionales, como PRISMA y JBI, y contribuye significativamente a la formación de investigadores en el área de la salud. Se concluye que el uso de Modelos de Lenguaje de Gran Escala (LLM) en la investigación científica representa una innovación educativa y metodológica de alto impacto.

Palabras clave: Inteligencia artificial. Revisión sistemática. GPT. Investigación científica. Salud basada en evidencias. Innovación educativa.

RÉSUMÉ La revue systématique constitue une méthode rigoureuse et indispensable pour la synthèse des preuves en recherche en santé. Cet article décrit le développement de l’assistant d’intelligence artificielle nommé « RévisionSystématique-GPT », un outil conçu pour réaliser des revues systématiques complètes, avec un haut niveau de qualité et de rigueur méthodologique. Ce modèle GPT personnalisé est capable, à partir de la définition du sujet et des objectifs, de formuler des questions de recherche, de construire des stratégies de recherche avancées, de réaliser des recherches dans les principales bases de données nationales et internationales, et d’assister dans les étapes de sélection, d’extraction des données et de synthèse des résultats. La recherche adopte une approche méthodologique de développement interne, avec une validation effectuée par l’équipe de développement. Les résultats indiquent que RévisionSystématique-GPT optimise le processus de réalisation des revues systématiques, garantit l’adhésion aux protocoles internationaux tels que PRISMA et JBI, et contribue de manière significative à la formation des chercheurs dans le domaine de la santé. Il est conclu que l’intégration des Modèles de Langage de Grande Envergure (LLM) dans la recherche scientifique représente une innovation pédagogique et méthodologique à fort impact.

Mots-clés: Intelligence artificielle. Revue systématique. GPT. Recherche scientifique. Santé fondée sur des preuves. Innovation pédagogique.

INTRODUÇÃO A revisão sistemática é considerada o padrão ouro para a síntese de evidências na pesquisa científica, especialmente na área da saúde, sendo fundamental para embasar práticas clínicas, desenvolvimento de políticas públicas e elaboração de diretrizes (HIGGINS et al., 2022; MOOSE, 2000). Sua condução, no entanto, exige domínio de etapas metodológicas rigorosas, desde a elaboração da pergunta de pesquisa até a análise dos dados e a síntese dos achados (PAGE et al., 2021). Apesar da crescente demanda por revisões sistemáticas de qualidade, muitos pesquisadores e estudantes enfrentam desafios na construção de estratégias de busca, na aplicação de critérios de elegibilidade, na extração e análise dos dados, e no relato dos resultados segundo os padrões internacionais (HUNT; MCGIBBON; ESTEBAN, 2023). Nesse contexto, a inteligência artificial, especialmente os Modelos de Linguagem de Grande Escala (LLMs), como o GPT, desponta como uma ferramenta capaz de apoiar e otimizar o desenvolvimento de revisões sistemáticas (BOMMASANI et al., 2022). Diante desta realidade, foi desenvolvido o assistente “RevisãoSistemática-GPT”, que conduz revisões sistemáticas alinhadas às diretrizes PRISMA, Cochrane e JBI, com geração automatizada e assistida de todas as etapas necessárias. Este artigo tem como objetivo descrever o desenvolvimento, funcionamento e os impactos educacionais e científicos do “RevisãoSistemática-GPT” no contexto da formação e da prática em saúde.

METODOLOGIA Tipo de estudo Pesquisa aplicada, de desenvolvimento tecnológico, com abordagem qualitativa, segundo os parâmetros de Filatro e Cavalcanti (2018) para desenvolvimento de recursos educacionais digitais e ferramentas de apoio à pesquisa. Desenvolvimento do GPT customizado O desenvolvimento do “RevisãoSistemática-GPT” envolveu as seguintes etapas: • Definição dos objetivos metodológicos: mapeamento dos principais referenciais metodológicos para revisões sistemáticas, incluindo PRISMA (PAGE et al., 2021), JBI Manual for Evidence Synthesis (2020) e Cochrane Handbook (HIGGINS et al., 2022). • Modelagem do prompt: elaboração de comandos específicos para operacionalizar as etapas da revisão sistemática:  Formulação da pergunta de pesquisa segundo os frameworks PICO, PECO, PICo, SPIDER, PICOT ou outros adequados.  Geração e refinamento de estratégias de busca avançadas para bases como PubMed, Scopus, Web of Science, CINAHL, LILACS, SciELO, Embase, e outras.  Apoio na aplicação de critérios de inclusão e exclusão.  Geração de fluxogramas PRISMA.  Extração de dados estruturada.  Apoio na análise qualitativa e/ou quantitativa dos resultados.  Geração automática de quadros, tabelas e síntese narrativa. • Treinamento do contexto: inserção de diretrizes oficiais, exemplos de boas práticas, descritores DeCS/MeSH, operadores booleanos, filtros de bases de dados e critérios metodológicos para garantir rigor e reprodutibilidade. • Validação técnica e científica: processo de avaliação conduzido pela equipe de desenvolvimento e docentes especialistas, que avaliaram a coerência metodológica, aderência às diretrizes e aplicabilidade pedagógica e científica. Avaliação da ferramenta Os instrumentos utilizados foram: • Checklist de qualidade de recursos educacionais digitais, conforme Filatro e Cavalcanti (2018). • Entrevistas semiestruturadas com equipe interna de desenvolvimento para avaliar clareza, aplicabilidade metodológica, rigor científico, navegabilidade e satisfação geral.

RESULTADOS Funcionalidades do “RevisãoSistemática-GPT” A ferramenta oferece suporte nas seguintes funcionalidades: • Formulação de perguntas de pesquisa com rigor metodológico. • Criação de estratégias de busca complexas, utilizando descritores controlados (DeCS/MeSH) e palavras-chave livres, aplicáveis a bases nacionais e internacionais. • Geração de strings de busca personalizadas para cada base. • Suporte no processo de triagem dos títulos, resumos e textos completos. • Apoio na extração dos dados com modelos de fichas padronizadas. • Organização dos dados em matrizes, quadros e tabelas. • Auxílio na elaboração de síntese qualitativa, quantitativa ou narrativa dos achados. • Geração de fluxogramas PRISMA e checklists metodológicos. • Apoio na redação dos itens obrigatórios do relatório final da revisão. Exemplos de aplicações • Revisões sistemáticas de efetividade clínica. • Revisões de escopo (Scoping Reviews). • Revisões integrativas. • Revisões qualitativas. • Revisões sistemáticas para teses, dissertações e artigos científicos. Avaliação pela equipe de desenvolvimento • Rigor metodológico: os avaliadores consideraram que a ferramenta atende às diretrizes PRISMA, JBI e Cochrane. • Aplicabilidade: relataram que o GPT é aplicável tanto para o ensino quanto para a prática de revisões sistemáticas. • Satisfação: os avaliadores destacaram que a ferramenta facilita e qualifica o processo de realização de revisões sistemáticas, reduzindo erros metodológicos e otimizando tempo. Link público de acesso a ferramenta “RevisãoSistemática-GPT” na Plataforma OPENAI: https://chatgpt.com/g/g-6835c04bb7508191b00814b090fddaa2-revisao-sistematica-gpt?model=gpt-4o Link de apresentação do “RevisãoSistemática-GPT” no Gamma: https://gamma.app/docs/Revisao-Sistematica-GPT-1yxbkju7d90k1ex?mode=doc

DISCUSSÃO O desenvolvimento do “RevisãoSistemática-GPT” demonstra que a inteligência artificial, quando aliada às boas práticas metodológicas, representa um avanço significativo na condução de revisões sistemáticas. Diferente de assistentes genéricos, este GPT foi construído com base nas principais diretrizes metodológicas internacionais, garantindo rigor, transparência e reprodutibilidade científica (PAGE et al., 2021; HIGGINS et al., 2022). Além disso, a ferramenta contribui para a democratização do acesso ao ensino de métodos científicos, sobretudo em contextos acadêmicos em que há limitação de tempo, recursos ou suporte especializado (HUNT; MCGIBBON; ESTEBAN, 2023). O “RevisãoSistemática-GPT” não substitui o pesquisador, mas atua como um mediador cognitivo, ampliando a capacidade analítica e metodológica dos estudantes e docentes, alinhando-se às tendências contemporâneas da ciência aberta e da saúde baseada em evidências.

CONSIDERAÇÕES FINAIS O assistente “RevisãoSistemática-GPT” constitui-se como uma inovação educacional, metodológica e científica, contribuindo para a realização de revisões sistemáticas com alto padrão de qualidade e rigor. A ferramenta qualifica o ensino da metodologia de revisão, otimiza os processos de pesquisa e fortalece a produção científica na área da saúde. Recomenda-se a realização de estudos futuros para avaliar o impacto da ferramenta na qualidade dos relatórios de revisões sistemáticas produzidos, bem como sua aplicabilidade em outras áreas do conhecimento.

REFERÊNCIAS BOMMASANI, R. et al. On the Opportunities and Risks of Foundation Models. arXiv, 2022. Disponível em: https://arxiv.org/abs/2108.07258. Acesso em: 15 jun. 2025. FILATRO, A.; CAVALCANTI, R. Design instrucional para cursos on-line. 2. ed. São Paulo: Senac, 2018. HIGGINS, J. P. T. et al. (Eds.). Cochrane Handbook for Systematic Reviews of Interventions. 2. ed. Chichester (UK): Wiley, 2022. HUNT, H.; MCGIBBON, E.; ESTEBAN, J. The future of systematic reviews: How AI is transforming evidence synthesis. Research Synthesis Methods, v. 14, n. 1, p. 3-12, 2023. JBI. JBI Manual for Evidence Synthesis. Adelaide: Joanna Briggs Institute, 2020. Disponível em: https://synthesismanual.jbi.global. Acesso em: 15 jun. 2025. MOOSE. Meta-analysis Of Observational Studies in Epidemiology: A proposal for reporting. JAMA, v. 283, n. 15, p. 2008-2012, 2000. PAGE, M. J. et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ, v. 372, n. 71, p. n71, 2021. Disponível em: https://doi.org/10.1136/bmj.n71. Acesso em: 15 jun. 2025.