IA do Google apanhada a dar conselhos de saúde perigosos

O Google tem apostado em resumos com inteligência artificial para responder diretamente às dúvidas dos utilizadores no topo da pesquisa. A ideia é simples: condensar o essencial e poupar cliques.

Na prática, porém, quando o tema é saúde, a margem de erro encolhe perigosamente. Um resumo mal formulado pode transformar uma consulta inocente num conselho duvidoso com impacto real no bem-estar. A rapidez é útil para meteorologia ou curiosidades; na saúde, a precisão é tudo.

Porque o AI Overviews é diferente de um link tradicional

Ao contrário de um resultado clássico, com título, snippet e fonte clara, o AI Overviews entrega uma síntese com confiança e nem sempre com a devida transparência sobre o que foi incluído, excluído ou interpretado. Modelos de linguagem são ótimos a produzir texto fluido, mas podem alucinar, misturar dados desatualizados e simplificar nuances clínicas.

O resultado? Informações plausíveis à primeira vista, mas potencialmente incorretas, sobretudo para situações sensíveis como oncologia, rastreios de doenças ou saúde mental.

Exemplos que mostram a fragilidade do sistema

Vários testes independentes têm revelado respostas inconsistentes a perguntas iguais feitas em momentos diferentes. Essa variabilidade, típica de ferramentas baseadas em modelos de linguagem, é especialmente problemática quando se trata de sintomas, exames e recomendações dietéticas associadas a patologias específicas.

Há casos em que o resumo contraria orientações clínicas aceites ou baralha protocolos de rastreio, o que pode atrasar diagnósticos ou desviar os utilizadores de cuidados essenciais. Em áreas como perturbações alimentares e episódios psicóticos, a simplificação de sinais e passos a seguir pode ser francamente perigosa.

A confiança do público está a subir e isso é um risco

Inquéritos recentes apontam para uma grande fatia de adultos a recorrer à internet para perceber sintomas e condições, e um número significativo vê respostas geradas por IA como fiáveis. Esse salto de confiança colide com a realidade: estes modelos não são profissionais de saúde, não têm história clínica do paciente nem acesso ao contexto necessário para interpretações seguras.

Estudos académicos também mostram que muitas pessoas consideram satisfatórias respostas de baixa qualidade e até seguiriam conselhos potencialmente prejudiciais. A perceção de “parece correto” não é sinónimo de “é clinicamente correto”.

O que o Google promete e o que ainda falta cumprir

A empresa garante investir na qualidade dos resumos, sobretudo em temas de saúde. E de facto, há melhorias graduais: mais avisos, referências de apoio e filtros para termos sensíveis. Mas a fasquia para saúde é mais alta do que a média dos tópicos de pesquisa. Numa escala em que “quase sempre certo” pode ser suficiente para tecnologia ou entretenimento, “quase” não chega em medicina.

A consistência, a explicação do racional e a clareza das fontes são cruciais: os utilizadores precisam de saber de onde vem cada afirmação e qual o nível de confiança.

Boas práticas para pesquisar saúde sem cair em armadilhas

Até os sistemas amadurecerem, estas estratégias ajudam a reduzir riscos:

• Procure sempre a fonte: privilégie instituições de saúde, sociedades médicas e hospitais de referência. Desconfie de resumos sem referências claras.
• Compare mais do que uma fonte: se o resumo diz A, confirme em dois ou três sites de reputação reconhecida. Consenso é um bom indicador.
• Cuidado com conselhos “universais”: nutrição, medicação e rastreios variam por idade, sexo, histórico e comorbilidades. Personalização importa.
• Evite auto-diagnóstico: use a pesquisa para ganhar vocabulário e formular perguntas para o médico, não para substituir consulta.
• Priorize linhas de ajuda e serviços oficiais: para saúde mental ou sintomas agudos, contacte SNS 24, urgências ou profissionais credenciados.
• Verifique a data: recomendações clínicas evoluem, informação antiga pode estar ultrapassada.

O papel dos reguladores e das plataformas

A saúde digital precisa de regras claras: rotulagem explícita de conteúdo gerado por IA, auditorias independentes, métricas de segurança e mecanismos de correção rápida quando surge desinformação.

Para as plataformas, isto implica investir não só na qualidade dos modelos, mas também na experiência de utilizador: evidenciar fontes, mostrar níveis de confiança e permitir ver alternativas baseadas em guidelines oficiais. Para editores e especialistas, há uma oportunidade de criar conteúdos de referência mais acessíveis, com linguagem clara e estrutura que os algoritmos consigam compreender sem sacrificar rigor.

Fonte: Futurism