Modelos de linguagem, como o ChatGPT, podem acelerar a elaboração de questões de resposta única para provas de licenciamento médico, mas não devem decidir o que entra no banco de itens. A recomendação central é combinar prompts estruturados, alinhamento a matrizes curriculares e verificações automatizadas com revisão de especialistas, testes-piloto e rastreabilidade de cada decisão.
O QUE HÁ DE NOVO: A revisão narrativa, publicada em outubro de 2025, reúne estudos e relatórios de janeiro de 2022 a setembro de 2025 sobre o uso de inteligência artificial generativa em avaliações médicas e organiza um roteiro prático para o Exame Coreano de Licenciamento Médico. O foco são questões de múltipla escolha de resposta única, formato predominante em avaliações de alto impacto, e as regras locais que exigem cinco alternativas, uma resposta inequivocamente correta e padronização rigorosa da vinheta clínica.
COMO FUNCIONA: O fluxo recomendado começa com a seleção de um tópico previsto na matriz da prova e a recuperação de objetivos curriculares, diretrizes clínicas e normas nacionais por geração aumentada por recuperação, conhecida pela sigla RAG. Em seguida, a IA produz separadamente a vinheta, o enunciado, as cinco opções e uma justificativa de uso interno; scripts e listas de checagem examinam conflitos entre gabarito e alternativas, pistas involuntárias, duplicações, redação negativa e falhas de formatação. Só então o item segue para revisão de conteúdo, edição e pré-teste psicométrico antes de poder compor o banco.
A IDEIA CENTRAL: A proposta desloca o debate de “a IA consegue responder à prova?” para “como ela pode apoiar uma cadeia de autoria verificável?”. Prompts com três a cinco exemplos previamente validados tendem a reproduzir melhor o estilo do exame do que instruções genéricas; a divisão da tarefa em etapas reduz incoerências e vazamento da resposta na própria vinheta. Estruturas em formatos como JavaScript Object Notation (JSON) também ajudam a exigir campos fixos, enquanto as justificativas e os rastros de raciocínio ficam restritos ao ambiente de autoria, sem exposição aos candidatos.
LIMITES E SALVAGUARDAS: Acertar perguntas existentes não prova que um modelo seja capaz de elaborar itens válidos. A construção de alternativas erradas, porém plausíveis, a precisão clínica, a relevância cultural e a capacidade de diferenciar candidatos dependem de julgamento especializado e de evidência empírica. A revisão recomenda aprovação independente por ao menos dois especialistas, análise de dificuldade, discriminação e funcionamento dos distratores em piloto, além de auditoria de prompts, versão do modelo e documentos recuperados. Também alerta para vieses linguísticos, recomendações terapêuticas inadequadas ao país, propriedade intelectual, privacidade e risco de exposição de conteúdo sigiloso.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para faculdades e conselhos profissionais, o método pode ampliar a produção de itens e reduzir tarefas repetitivas de docentes, liberando tempo para revisão clínica e desenho da avaliação. Para estudantes, o benefício potencial é receber provas mais coerentes com competências e diretrizes vigentes, sem transformar uma ferramenta probabilística em árbitro da formação profissional. O efeito sobre equidade, contudo, dependerá da qualidade das bases locais e da capacidade institucional: sistemas alimentados sobretudo por referências em inglês ou por protocolos estrangeiros podem produzir questões inadequadas a contextos nacionais e ampliar assimetrias entre redes.
PRÓXIMOS PASSOS: A expansão para imagens, áudios e vídeos clínicos pode tornar as avaliações mais próximas da prática profissional, por exemplo com sons cardíacos ou exames de imagem, mas eleva o risco de erros anatômicos e de artefatos sutis. No curto prazo, a recomendação é limitar a IA à elaboração, edição controlada e criação de variações de materiais multimodais, sempre submetidos à validação de especialistas e a testes-piloto. A adoção sustentável exigirá formação em letramento de IA e de prompts, políticas claras de responsabilidade e regras de governança que preservem a decisão final humana em exames de alto impacto.
