Development of an Exploratory Taxonomy for Veterinary Professionals' AI Query Patterns Across Clinical Stages: An Expert Panel Study

Resumo Técnico: Desenvolvimento de uma Taxonomia Exploratória para Padrões de Consulta de IA de Profissionais Veterinários

Problema
Apesar da rápida integração de ferramentas de IA baseadas em modelos de linguagem de grande escala (LLM) na prática clínica veterinária, há uma carência de uma taxonomia derivada sistematicamente que caracterize como os profissionais veterinários consultam esses sistemas. Os frameworks existentes não consideram as nuances específicas dos fluxos de trabalho veterinários ou a natureza variável das consultas através de diferentes estágios clínicos. Essa lacuna dificulta o desenvolvimento de sistemas de IA sensíveis ao contexto e de ferramentas robustas de avaliação de benchmark adaptadas ao domínio veterinário.

Metodologia
Este estudo empregou um design de painel de especialistas transversal exploratório para construir e validar uma taxonomia de padrões de consulta de IA. O processo envolveu três fases distintas:

1. Indução Baseada em Dados: Os pesquisadores analisaram 5.372 registros de consultas reais de um chatbot de IA clínica veterinária implementado ao longo de um período de oito meses. Uma abordagem de codificação indutiva assistida por IA foi utilizada para derivar uma taxonomia inicial a partir desses dados brutos.
2. Refinamento por Literatura: A taxonomia inicial foi refinada por meio de uma revisão abrangente da literatura para garantir o alinhamento com conceitos veterinários e de IA estabelecidos.
3. Validação por Especialistas: Um questionário estruturado online foi administrado a um painel de 38 profissionais veterinários. Esses especialistas revisaram a taxonomia através de cinco estágios clínicos distintos para validar a categorização e avaliar a frequência e a relevância de tipos de consulta específicos.

Principais Contribuições e Resultados
O estudo estabeleceu com sucesso uma taxonomia exploratória composta por 3 categorias primárias e 21 subtipos, organizada da seguinte forma:

• Consultas de Suporte Clínico (Tipos A–H): Focadas no cuidado imediato ao paciente e no raciocínio.
• Consultas de Pesquisa Baseada em Evidências (Tipos I–L): Focadas na recuperação de literatura científica e dados.
• Consultas de Terminologia e Referência de Medicamentos (Tipos M–U): Focadas em definições e informações farmacológicas.

Principais Descobertas:

• Distribuição de Consultas: O Tipo B (Raciocínio Diferencial) emergiu como o tipo de consulta mais frequente no geral, representando 57 de 188 respostas de primeira escolha. O Tipo D (Suporte à Decisão Clínica) foi o padrão dominante imediatamente após uma consulta, representando 55,3% das consultas naquele estágio específico.
• Variações Baseadas em Experiência: Diferenças significativas foram observadas com base na experiência profissional. Profissionais com 10 ou mais anos de experiência demonstraram uma preferência maior pelo Tipo G (Busca de Evidências) em comparação com aqueles com menos de 10 anos de experiência (18 vs. 4 respostas).
• Padrões Institucionais: Profissionais afiliados a universidades exibiram um padrão de consulta distinto, caracterizado pela dominância do Tipo G (Busca de Evidências).

Significância e Alegações
O artigo afirma ser o primeiro a estabelecer uma taxonomia exploratória específica para veterinária e sensível ao estágio clínico dos padrões de consulta de IA. Ao abordar a ausência de tal framework, o estudo fornece uma estrutura fundamental destinada a orientar o design de futuros sistemas de IA veterinária sensíveis ao contexto e adaptáveis ao estágio. Além disso, a taxonomia serve como um benchmark para avaliar o desempenho da IA dentro das restrições e fluxos de trabalho específicos da medicina veterinária. Os autores mantêm um escopo modesto, posicionando este trabalho como um primeiro passo necessário para sistematizar a interação humano-IA nos cuidados veterinários, em vez de uma solução definitiva para todos os desafios da IA clínica.