Similaridade semântica recupera textos; não demonstra fatos
A perícia médica lida com uma tensão central: quanto mais útil for a tecnologia para organizar informação, maior o risco de ela ser confundida com prova. A inteligência artificial pode localizar trechos parecidos, agrupar documentos relacionados e sugerir caminhos de leitura. Isso é valioso. Mas valor operacional não equivale a demonstração factual. Um texto semanticamente próximo pode ser apenas uma referência, uma analogia ou um ponto de partida. Não prova ocorrência, autenticidade, temporalidade, causalidade nem conclusão técnica.
A tensão ainda não resolvida aparece quando um sistema retorna um material “muito semelhante” ao tema em análise e a aparência de pertinência passa a ser lida como evidência. Então surgem as perguntas que importam de verdade: este retorno é fonte, pista, analogia, regra ou evidência do caso? O que exatamente foi recuperado: literatura, registro assistencial, parecer anterior, nota técnica, ou apenas um trecho com palavras parecidas? Quais dados sustentam essa associação? De onde veio a informação original? Há contradições entre o texto recuperado e os registros disponíveis? Que hipóteses concorrentes permanecem abertas? E, sobretudo, o que um teste humano e metodologicamente controlado confirma — ou não confirma — sobre o fato investigado? A resposta proporcional é simples e exigente: a IA pode ampliar a busca, mas a demonstração depende da validação humana, da proveniência do dado e da coerência entre fonte, cronologia e conclusão.
O que a IA entrega ao perito — e o que ela não entrega
Em perícia médica, a utilidade da inteligência artificial costuma estar na recuperação, na triagem e na organização. Ela ajuda a encontrar documentos relacionados, a destacar padrões textuais, a sugerir termos semelhantes e a acelerar uma revisão inicial. Isso pode reduzir tempo, ampliar alcance e evitar que uma fonte relevante fique escondida em um volume grande de material.
Mas há um ponto que não pode ser diluído: recuperar um texto não é comprovar um fato. Um mecanismo de similaridade não estava presente no atendimento, não observou o paciente, não verificou a integridade do documento, não acompanhou a evolução clínica e não examinou a cadeia de origem do dado. Ele opera por proximidade informacional. Já a perícia precisa operar por rastreabilidade, contexto e confronto com a realidade observável.
Por isso, a diferença técnica entre “parece relacionado” e “está demonstrado” é decisiva. A primeira expressão pertence ao campo da busca. A segunda pertence ao campo da prova. Entre uma e outra há um trabalho humano de verificação que não pode ser substituído por impressão de acerto.
O dado certo, a origem certa e a hipótese certa
Quando a IA recupera um trecho sobre hepatotoxicidade, por exemplo, isso pode sugerir perguntas importantes: houve medicamento com esse perfil? O evento ocorreu no intervalo temporal compatível? Havia outra causa plausível? O texto recuperado trata de um caso semelhante, de um artigo de revisão ou de uma diretriz? A resposta depende do dado e da sua origem, não da semelhança sozinha.
É aqui que a análise pericial precisa separar, com rigor, categorias que às vezes são misturadas:
- Dado: o que está efetivamente documentado ou observado.
- Inferência: o que se conclui a partir do dado.
- Hipótese: uma explicação provisória, ainda testável.
- Causalidade: relação explicativa entre evento e desfecho, que exige sustentação.
- Evitabilidade: o que poderia ter sido feito de modo diferente, se o contexto permitir essa avaliação.
- Falha: desvio de padrão, omissão ou inadequação técnica, quando demonstrados.
- Responsabilidade: etapa distinta, que não se presume apenas pela presença de um desfecho adverso.
A ausência documental também exige cuidado. Documento ausente não é, por si só, prova de inexistência do fato. Pode indicar falha de registro, perda de rastreabilidade, limitação de acesso ou simplesmente que a fonte ainda não foi localizada. A conclusão proporcional nasce justamente dessa disciplina: não exagerar o que o texto recuperado permite dizer, nem reduzir o valor de um dado porque ele não encaixa na hipótese preferida.
Checklist de 14 itens antes de tratar o texto recuperado como apoio analítico
Antes de usar qualquer resultado de busca semântica como base para um parecer, é prudente passar o material por um filtro mínimo. O objetivo não é bloquear a tecnologia, e sim impedir que a aparência de pertinência substitua o exame crítico.
- O texto recuperado existe de fato em fonte rastreável?
- A fonte original foi identificada, e não apenas sugerida pela IA?
- O trecho recuperado foi conferido no contexto completo?
- O conteúdo fala do mesmo fenômeno clínico, ou apenas de um termo parecido?
- A data da fonte é compatível com a pergunta técnica?
- O tipo de documento foi identificado: estudo, registro, relatório, opinião ou revisão?
- O método da fonte é conhecido e suficiente para o uso pretendido?
- O trecho foi separado de sua conclusão original sem distorção?
- Há limitações explícitas no material recuperado?
- Existem fontes contrárias ou complementares que mudam a leitura?
- O dado recuperado ajuda a formular hipótese, ou já está sendo tratado como prova?
- A relação entre texto e fato está sendo inferida ou demonstrada?
- O material foi validado por alguém com leitura técnica humana?
- Se essa fonte desaparecer, a conclusão ainda permanece sustentada por outros dados?
Esse checklist é importante porque a IA pode ser excelente em localização e fraca em juízo. Ela sabe encontrar proximidade; não sabe, por si só, distinguir pertinência aparente de comprovação.
O teste editorial antes de publicar
Para que um conteúdo sobre uso de inteligência artificial em perícia médica seja publicável, ele precisa passar por um teste editorial simples e exigente. O objetivo é impedir promessas implícitas, falsas certezas e confusão entre busca e prova.
O teste pode ser resumido assim:
- Há distinção clara entre texto recuperado e fato demonstrado?
- O conteúdo separa dado, inferência e hipótese?
- A conclusão é proporcional ao que foi efetivamente verificado?
- O texto informa limites, incertezas e necessidade de validação humana?
- Existe um exemplo hipotético, explicitamente apresentado como hipotético, sem transferência indevida para casos reais?
- Há indicação do que poderia mudar a conclusão, caso surgisse novo dado?
- O leitor entende que a IA organiza, mas não autentica sozinha?
Se a resposta a alguma dessas perguntas for “não”, o texto ainda não está pronto. Não porque a tecnologia falhou, mas porque a redação pode ter ultrapassado o que os dados sustentam. Em perícia, clareza sem método vira aparência de segurança. Método sem clareza vira ruído. O texto bom é o que consegue sustentar ambos.
Exemplo hipotético: quando a semelhança ajuda, mas não resolve
Suponha, de forma inteiramente hipotética e composta, que uma IA recupere um artigo sobre uma reação medicamentosa rara ao pesquisar um caso em que houve alteração laboratorial após uso de um fármaco. O retorno é útil porque sugere leituras adicionais, hipóteses plausíveis e termos para revisão bibliográfica. Mas ele não prova que o caso atual seja o mesmo fenômeno.
Para transformar esse achado em análise pericial, seria necessário verificar: qual foi a cronologia real do uso do medicamento; qual foi a sequência dos sintomas e dos exames; se havia outras causas possíveis; se o material recuperado fala de mecanismo semelhante ou apenas de coincidência terminológica; e se os dados do caso atual realmente reproduzem o padrão descrito na literatura.
Se, após essa checagem, surgir documentação nova — por exemplo, registros clínicos antes indisponíveis, exames com datação confiável ou descrição assistencial mais completa — a conclusão pode mudar. E isso não enfraquece o método; ao contrário, mostra que a atualização é parte da honestidade técnica. O problema não é rever a conclusão. O problema é esconder a revisão ou tratar a primeira versão como se fosse intocável.
Conclusão proporcional: a IA é bússola de leitura, não prova de fato
O uso de inteligência artificial em perícia médica é mais sólido quando ela é tratada como instrumento de organização do conhecimento, e não como autoridade final sobre a realidade. Similaridade semântica recupera textos; não demonstra fatos. A semelhança é um convite à investigação, não um atalho para a conclusão.
A pergunta correta não é “a IA encontrou algo parecido?”. A pergunta correta é: “o que esse retorno é, exatamente, e o que ele permite concluir sem exagero?” Se o material for apenas uma fonte, ele continua sendo uma fonte. Se for uma pista, continua sendo uma pista. Se for uma analogia, continua sendo uma analogia. Para virar evidência, precisa passar por validação, contexto, proveniência e confronto com dados independentes.
Esse cuidado é especialmente importante quando o tema envolve uso de inteligência artificial em perícia médica. O ganho real não está em automatizar a certeza, mas em automatizar a organização da dúvida. E dúvida bem organizada é o começo de uma boa análise.
FAQ
1. A IA pode ser usada na perícia médica?
Sim, como ferramenta de apoio à busca, triagem, organização e revisão de material. Ela não substitui a análise técnica humana nem transforma, por si só, texto em prova.
2. Se a IA encontrar uma referência parecida, isso já serve como evidência?
Não automaticamente. Uma referência parecida pode ser fonte, pista ou analogia. Para ser evidência, precisa ser verificada na origem e contextualizada no caso concreto.
3. O que mais importa ao usar IA em perícia médica?
Pernência da fonte, proveniência do dado, separação entre fato e inferência, análise de hipóteses concorrentes e conclusão proporcional ao que foi efetivamente demonstrado.
Para aprofundar esse método de leitura crítica e validação técnica, veja /pericia-medica.
Conteudo educativo; nao substitui avaliacao medica, pericia judicial ou orientacao juridica.