ASSISTENTE GPT “Caso.Clínico.Tut”: uma ferramenta de apoio na construção de casos clínicos multidisciplinares no ensino em saúde

Abstract

RESUMO O ensino baseado em casos clínicos é uma estratégia consolidada na formação em saúde, promovendo a integração de conhecimentos e o desenvolvimento de competências clínicas e reflexivas. Este artigo descreve o desenvolvimento do assistente de inteligência artificial denominado “Caso.Clínico.Tut”, projetado para auxiliar docentes e discentes na elaboração de casos clínicos contextualizados, abrangendo aspectos de Anatomia, Fisiologia, Embriologia, Histologia, Bioquímica, Biologia Celular e Molecular, bem como conteúdos de Ética, Saúde e Sociedade. Este GPT customizado foi treinado para gerar casos clínicos coerentes, alinhados aos objetivos de aprendizagem, estimulando o raciocínio clínico e a interdisciplinaridade. A pesquisa adota uma abordagem metodológica de desenvolvimento interno com validação interna da equipe de desenvolvimento, utilizando parâmetros qualitativos e avaliativos. Os resultados demonstram que o uso do Caso.Clínico.Tut otimiza o tempo de desenvolvimento dos materiais didáticos, favorece a personalização dos cenários clínicos e promove a integração efetiva dos conteúdos biomédicos e sociais no processo de ensino-aprendizagem. Conclui-se que a aplicação de modelos de linguagem de grande escala (LLMs) na educação em saúde configura uma inovação com elevado potencial transformador.

Palavras-chave: Inteligência artificial. Ensino em saúde. Caso clínico. GPT. Inovação educacional.

ABSTRACT Case-based teaching is a well-established strategy in health education, promoting the integration of knowledge and the development of clinical and reflective competencies. This article describes the development of the artificial intelligence assistant called “Caso.Clínico.Tut”, designed to support educators and students in the creation of contextualized clinical cases, covering aspects of Anatomy, Physiology, Embryology, Histology, Biochemistry, Cell and Molecular Biology, as well as topics related to Ethics, Health, and Society. This customized GPT model was trained to generate coherent clinical cases aligned with learning objectives, fostering clinical reasoning and interdisciplinarity. The research adopts an internal development methodological approach with internal validation by the development team, using qualitative and evaluative parameters. The results demonstrate that the use of Caso.Clínico.Tut optimizes the time required for the development of educational materials, enhances the customization of clinical scenarios, and promotes the effective integration of biomedical and social content in the teaching-learning process. It is concluded that the application of large language models (LLMs) in health education constitutes an innovation with high transformative potential.

Keywords: Artificial intelligence. Health education. Clinical case. GPT. Educational innovation.

RESUMEN La enseñanza basada en casos clínicos es una estrategia consolidada en la formación en salud, que promueve la integración de conocimientos y el desarrollo de competencias clínicas y reflexivas. Este artículo describe el desarrollo del asistente de inteligencia artificial denominado “Caso.Clínico.Tut”, diseñado para apoyar a docentes y estudiantes en la elaboración de casos clínicos contextualizados, que abarcan aspectos de Anatomía, Fisiología, Embriología, Histología, Bioquímica, Biología Celular y Molecular, así como contenidos de Ética, Salud y Sociedad. Este modelo GPT personalizado ha sido entrenado para generar casos clínicos coherentes y alineados con los objetivos de aprendizaje, estimulando el razonamiento clínico y la interdisciplinariedad. La investigación adopta un enfoque metodológico de desarrollo interno, con validación interna por parte del equipo de desarrollo, utilizando parámetros cualitativos y evaluativos. Los resultados demuestran que el uso de Caso.Clínico.Tut optimiza el tiempo de desarrollo de materiales educativos, favorece la personalización de los escenarios clínicos y promueve la integración efectiva de los contenidos biomédicos y sociales en el proceso de enseñanza-aprendizaje. Se concluye que la aplicación de modelos de lenguaje de gran escala (LLM) en la educación en salud constituye una innovación con un alto potencial transformador.

Palabras clave: Inteligencia artificial. Educación en salud. Caso clínico. GPT. Innovación educativa.

RÉSUMÉ L’enseignement basé sur des cas cliniques est une stratégie bien établie dans la formation en santé, favorisant l’intégration des connaissances et le développement de compétences cliniques et réflexives. Cet article décrit le développement de l’assistant d’intelligence artificielle nommé « Caso.Clínico.Tut », conçu pour aider les enseignants et les étudiants à élaborer des cas cliniques contextualisés, couvrant des aspects d’Anatomie, de Physiologie, d’Embryologie, d’Histologie, de Biochimie, de Biologie Cellulaire et Moléculaire, ainsi que des contenus liés à l’Éthique, la Santé et la Société. Ce modèle GPT personnalisé a été entraîné pour générer des cas cliniques cohérents, alignés avec les objectifs pédagogiques, stimulant le raisonnement clinique et l’interdisciplinarité. La recherche adopte une approche méthodologique de développement interne avec une validation interne par l’équipe de développement, en utilisant des paramètres qualitatifs et évaluatifs. Les résultats montrent que l’utilisation de Caso.Clínico.Tut optimise le temps de développement des supports pédagogiques, favorise la personnalisation des scénarios cliniques et promeut l’intégration efficace des contenus biomédicaux et sociaux dans le processus d’enseignement-apprentissage. Il est conclu que l’application des modèles de langage de grande envergure (LLM) dans l’éducation en santé constitue une innovation avec un fort potentiel de transformation.

Mots-clés: Intelligence artificielle. Éducation en santé. Cas clinique. GPT. Innovation pédagogique.

INTRODUÇÃO O ensino por meio de casos clínicos é uma metodologia ativa consolidada na formação em saúde, fomentando a articulação entre teoria e prática, além do desenvolvimento do raciocínio clínico e da tomada de decisão (BARROWS, 1986; SILVA; BATISTA, 2021). A construção de casos clínicos exige uma elaboração cuidadosa, que contemple tanto a coerência biomédica quanto a complexidade sociocultural dos contextos em que os pacientes estão inseridos (COUTO et al., 2019). Diante dos avanços tecnológicos, particularmente no campo da inteligência artificial (IA), surgem oportunidades para apoiar e inovar os processos de ensino. Os Modelos de Linguagem de Grande Escala (Large Language Models – LLMs), como o GPT (Generative Pre-trained Transformer), têm sido aplicados em diferentes contextos educacionais, destacando-se por sua capacidade de gerar textos, simular interações e construir conteúdos personalizados (BOMMASANI et al., 2022). Neste cenário, foi desenvolvido o assistente de IA denominado “Caso.Clínico.Tut”, uma ferramenta baseada em GPT, criada para automatizar a elaboração de casos clínicos educativos. Este assistente é capaz de integrar conteúdos das áreas de Anatomia, Fisiologia, Embriologia, Histologia, Bioquímica, Biologia Celular e Molecular, bem como temas de Ética, Saúde e Sociedade, alinhando-se aos objetivos educacionais definidos por docentes. O presente artigo tem como objetivo descrever o desenvolvimento, a aplicação e os benefícios do “Caso.Clínico.Tut” no ensino de graduação na área da saúde.

METODOLOGIA Tipo de Estudo Trata-se de uma pesquisa aplicada, com delineamento de desenvolvimento tecnológico e abordagem qualitativa, seguindo as etapas propostas por Filatro e Cavalcanti (2018) para desenvolvimento de recursos educacionais digitais. Desenvolvimento do GPT Customizado O assistente “Caso.Clínico.Tut” foi desenvolvido na plataforma OpenAI, utilizando a funcionalidade de criação de GPTs customizados. As etapas de desenvolvimento incluíram: • Definição dos Objetivos Educacionais: Foram mapeados os conteúdos-chave exigidos nos cursos de saúde, com foco na integração dos conhecimentos biomédicos e socioculturais. • Modelagem do Prompt: Foram elaboradas instruções específicas, direcionando o modelo a construir casos clínicos que contemplassem uma patologia escolhida, incluindo história clínica, exames, hipóteses diagnósticas e condutas. • Treinamento do Contexto: Foram inseridas bases conceituais de Anatomia, Fisiologia, Embriologia, Histologia, Bioquímica, Biologia Celular e Molecular, além de aspectos de Ética, Saúde e Sociedade. • Validação Técnica e Pedagógica: O produto foi submetido à avaliação por docentes tutores especialistas em ensino na saúde, que analisaram a coerência científica, a aplicabilidade pedagógica e a adequação dos casos gerados. Avaliação da Ferramenta Foram utilizados os seguintes instrumentos: • Checklist de qualidade de recursos educacionais digitais, adaptado de Filatro e Cavalcanti (2018). • Entrevistas semiestruturadas com cinco docentes de cursos de saúde (Medicina, Enfermagem e Nutrição). • Análise de usabilidade e satisfação por meio de escalas Likert. Link público de acesso a ferramenta “Caso.Clínico.Tut” na Plataforma OPENAI: https://chatgpt.com/g/g-6843873e82f88191a084c5035ad02257-caso-clinico-tut?model=gpt-4o Link de apresentação do “Caso.Clínico.Tut” no Gamma: https://gamma.app/docs/DESENVOLVIMENTO-E-IMPLEMENTACAO-DO-ASSISTENTE-GPT-CasoClinicoTut-1dp1fdzttem8vq5?mode=doc

RESULTADOS Funcionalidades do “Caso.Clínico.Tut” O assistente apresenta as seguintes capacidades: • Geração automática de casos clínicos a partir da escolha de uma patologia pelo usuário. • Integração de conteúdos biomédicos fundamentais: Anatomia, Fisiologia, Embriologia, Histologia, Bioquímica, Biologia Celular e Molecular. • Inclusão de aspectos socioculturais, bioéticos e de determinantes sociais da saúde no desenvolvimento do caso. • Geração de perguntas de checagem de aprendizagem, glossário de conceitos-chave e sugestões de materiais complementares. Exemplos de Casos Gerados Os casos produzidos incluem descrições clínicas completas, com sinais e sintomas, histórico social e familiar, exames laboratoriais e de imagem, permitindo o desenvolvimento do raciocínio diagnóstico e terapêutico pelos alunos. Avaliação pelos Docentes • Coerência científica: Os casos cientificamente têm sido adequados. • Aplicabilidade didática: destacaram que o GPT facilita a elaboração de material para tutorias, aulas e avaliações.

DISCUSSÃO Os resultados corroboram os achados da literatura sobre o potencial dos LLMs na educação (BOMMASANI et al., 2022; LUND; WANG, 2023). A aplicação do “Caso.Clínico.Tut” se destaca por permitir a construção de cenários clínicos realistas, adaptáveis às necessidades dos docentes e alinhados aos princípios das metodologias ativas. A integração de aspectos biomédicos com elementos de Saúde e Sociedade oferece uma formação mais ampla, alinhada às Diretrizes Curriculares Nacionais dos cursos da área da saúde (BRASIL, 2014). Além disso, observa-se que a ferramenta contribui para a redução da carga de trabalho dos docentes na preparação de atividades, sem comprometer a qualidade pedagógica. Entretanto, ressalta-se que, apesar dos avanços, a supervisão docente permanece imprescindível para garantir a acurácia dos conteúdos e a adequação pedagógica.

CONSIDERAÇÕES FINAIS O desenvolvimento do assistente “Caso.Clínico.Tut” representa um avanço significativo na aplicação de inteligência artificial na educação em saúde. A ferramenta demonstra potencial para otimizar o processo de elaboração de casos clínicos, promovendo a integração dos conteúdos biomédicos e socioculturais e fortalecendo o ensino baseado em metodologias ativas. Futuras pesquisas deverão avaliar o impacto do uso do GPT na aprendizagem dos estudantes, bem como explorar possibilidades de expansão para outros contextos educacionais e níveis de formação.

REFERÊNCIAS BARROWS, H. S. A taxonomy of problem-based learning methods. Medical Education, v. 20, p. 481–486, 1986. BOMMASANI, R. et al. On the Opportunities and Risks of Foundation Models. arXiv preprint, 2022. Disponível em: https://arxiv.org/abs/2108.07258. Acesso em: 15 jun. 2025. BRASIL. Ministério da Educação. Diretrizes Curriculares Nacionais para os cursos de graduação na área da saúde. Brasília: MEC, 2014. COUTO, L. B. et al. Uso de casos clínicos no ensino das ciências básicas na saúde: reflexões e desafios. Revista Brasileira de Educação Médica, v. 43, n. 1, p. 45-52, 2019. Disponível em: https://doi.org/10.5935/1981-5271.20190005. Acesso em: 15 jun. 2025. FILATRO, A.; CAVALCANTI, R. Design instrucional para cursos on-line. 2. ed. São Paulo: Senac, 2018. LUND, B. D.; WANG, T. ChatGPT and other large language models: Applications and implications for academic libraries. College & Research Libraries News, v. 84, n. 1, p. 10-15, 2023. Disponível em: https://doi.org/10.5860/crln.84.1.10. Acesso em: 15 jun. 2025. SILVA, R. P.; BATISTA, S. H. S. S. O uso de casos clínicos no ensino da saúde: uma revisão integrativa. Revista de Educação em Saúde, v. 9, n. 1, p. 34-44, 2021.