Attitudes and Perceptions of Generative Artificial Intelligence Chatbots in the Scientific Process of Traditional, Complementary, and Integrative Medicine Research: A Large-Scale, International Cross-Sectional Survey

Esta pesquisa de grande escala e internacional revelou que, embora a maioria dos pesquisadores de Medicina Tradicional, Complementar e Integrativa (TCIM) reconheça o potencial dos chatbots de IA generativa para reduzir a carga de trabalho e aumentar a eficiência, há uma necessidade significativa de treinamento institucional para superar desafios como viés e erros.

O essencial

Imagine que a pesquisa científica é como uma grande cozinha mundial onde chefs de diferentes tradições (medicina ocidental, ayurveda, acupuntura, yoga, etc.) tentam criar pratos saudáveis para a humanidade. Agora, imagine que acabou de chegar um novo ajudante de cozinha super rápido e inteligente: um robô de Inteligência Artificial (IA) generativa (como o ChatGPT).

Este robô pode escrever receitas, traduzir ingredientes de um idioma para outro e organizar a despensa em segundos. Mas, será que os chefs tradicionais confiam nele? Será que ele vai estragar o sabor autêntico dos pratos ou ajudar a cozinhar mais rápido?

O artigo que você leu é como uma grande enquete feita pelo pesquisador Jeremy Ng e sua equipe para perguntar exatamente isso aos "chefes" da medicina tradicional e integrativa (TCIM) ao redor do mundo.

Aqui está o resumo da história, traduzido para uma linguagem simples:

1. O Que Eles Fizeram?

Eles enviaram um convite para quase 60.000 pesquisadores que publicaram artigos sobre medicina tradicional, complementar e integrativa. Desses, cerca de 716 responderam. Eles queriam saber:

• Vocês conhecem esse robô?
• Vocês o usam?
• O que acham que ele pode fazer de bom ou de ruim?

2. O Que Descobriram? (A "Sopa" de Opiniões)

A Curiosidade e o Uso:
A maioria dos pesquisadores (quase 60%) já conhece o robô. O favorito deles é o ChatGPT.

• Onde eles mais usam? É como usar o robô para escrever o rascunho do prato (redação de artigos) e traduzir receitas (traduzir materiais de pesquisa).
• Onde eles têm medo? Eles quase não usam o robô para provar o prato (revisão por pares) ou para decidir se o tempero está certo (análise crítica de dados). Eles têm medo de que o robô minta sobre o sabor.

Os Superpoderes (Benefícios):
Os pesquisadores veem o robô como um ajudante fantástico para:

• Reduzir a carga de trabalho: É como ter um assistente que faz a louça e corta os vegetais, deixando o chef focar no sabor.
• Acelerar a pesquisa: Analisar grandes quantidades de dados é como usar um liquidificador industrial em vez de bater tudo na mão.
• Acessibilidade: Ajuda pesquisadores de lugares com menos recursos a terem acesso às mesmas ferramentas que os grandes centros.

Os Perigos (Desafios):
Mas nem tudo são flores. Os maiores medos são:

• Alucinações (Mentiras): O robô pode inventar fatos ou referências, como um cozinheiro que inventa ingredientes que não existem.
• Vieses (Preconceitos): Se o robô foi treinado com dados de apenas um tipo de cozinha, ele pode não entender bem as receitas da medicina tradicional.
• Falta de Transparência: Ninguém sabe exatamente como o robô "pensa" ou escolhe as palavras. É uma "caixa preta".
• Privacidade: Medo de que segredos da pesquisa vazem.

O Grande Problema: Falta de Treinamento
Aqui está o ponto mais importante: A maioria dos pesquisadores quer aprender a usar o robô, mas a maioria das universidades e hospitais não oferece aulas sobre isso.
É como dar um carro de Fórmula 1 para um motorista que nunca dirigiu e dizer: "Agora você pode pilotar". Eles querem aprender, mas não têm quem ensine. Cerca de 72% dos pesquisadores disseram que gostariam de treinamento, mas quase metade disse que sua instituição não oferece nenhum.

3. Por Que Isso é Importante?

A medicina tradicional é muito especial porque mistura ciência com cultura, história e sabedoria antiga. Se usarmos a IA de qualquer jeito, podemos estragar essa mistura única.

O estudo conclui que:

1. A IA é uma ferramenta poderosa que pode ajudar muito a medicina tradicional a crescer e ser mais precisa.
2. Mas precisamos de regras claras e treinamento para não perder a essência cultural e científica.
3. Precisamos garantir que o robô não cometa erros que prejudiquem os pacientes.

Em Resumo

Pense na IA como um novo ingrediente na cozinha da ciência. Ele pode fazer a comida ficar mais rápida e saborosa, mas se você colocar sem saber a dose certa, pode estragar tudo. Os pesquisadores da medicina tradicional estão dizendo: "Gostamos da ideia de ter esse ajudante, mas precisamos que nos ensinem a cozinhar com ele, senão vamos queimar o prato!"

O objetivo final é usar essa tecnologia de forma responsável, para que a medicina tradicional continue cuidando das pessoas com sabedoria, mas com a ajuda da tecnologia moderna.

Resumo técnico

Título do Estudo

Atitudes e Percepções de Chatbots de Inteligência Artificial Generativa (GenAI) no Processo Científico da Pesquisa em Medicina Tradicional, Complementar e Integrativa (TCIM): Uma Pesquisa Transversal Internacional de Grande Escala.

---

1. O Problema

A Inteligência Artificial Generativa (GenAI), incluindo ferramentas como chatbots (ex: ChatGPT, Google Gemini), está a transformar o processo científico, oferecendo suporte em tarefas como revisão de literatura, análise de dados e redação de manuscritos. No entanto, a Medicina Tradicional, Complementar e Integrativa (TCIM) apresenta desafios únicos devido à sua natureza interdisciplinar, dependência de sistemas de conhecimento culturalmente enraizados e epistemologias diversas.

Existe uma lacuna significativa no conhecimento sobre como os pesquisadores de TCIM percebem e adotam essas ferramentas. Há preocupações sobre a integração responsável da GenAI, incluindo:

• Riscos de apropriação indevida do conhecimento tradicional.
• Desafios metodológicos específicos da TCIM.
• Questões éticas relacionadas a viés, transparência e privacidade de dados.
• A falta de diretrizes institucionais claras para o uso de IA neste campo específico.

O estudo visa preencher essa lacuna ao elucidar as atitudes, percepções, benefícios percebidos e desafios enfrentados pelos pesquisadores de TCIM em relação ao uso de chatbots de GenAI.

---

2. Metodologia

O estudo utilizou um desenho de pesquisa transversal baseada na web, conduzido de forma anônima e internacional.

• População e Amostragem:
  • A amostra foi composta por autores correspondentes de artigos indexados no Ovid MEDLINE relacionados a TCIM, publicados entre 15 de dezembro de 2014 e 15 de dezembro de 2024.
  • A estratégia de busca incluiu termos MeSH e palavras-chave para diversas disciplinas (acupuntura, fitoterapia, Ayurveda, yoga, etc.).
  • Foram identificados e limpos 59.045 e-mails de autores correspondentes.
• Coleta de Dados:
  • Um questionário online foi distribuído via SurveyMonkey entre 18 de agosto e 22 de setembro de 2025.
  • O instrumento incluiu questões demográficas, familiaridade com GenAI, uso em diferentes etapas do processo científico (design, análise, redação, revisão), benefícios percebidos, desafios e necessidades de treinamento.
  • O estudo seguiu as diretrizes STROBE e CHERRIES e foi registrado no Open Science Framework (OSF).
• Análise de Dados:
  • Estatística descritiva para dados quantitativos (frequências e percentuais).
  • Análise de conteúdo temática indutiva para respostas abertas.
  • Estratificação das respostas por variáveis demográficas (idade, sexo, localização, estágio de carreira) e foco de pesquisa (primário vs. secundário em TCIM).

---

3. Principais Contribuições

• Primeira Perspectiva Internacional: Este é o primeiro estudo de grande escala a investigar especificamente as atitudes dos pesquisadores de TCIM em relação à GenAI, diferenciando-se de estudos focados apenas em pesquisadores biomédicos gerais.
• Mapeamento de Lacunas de Capacitação: Identificou uma discrepância crítica entre a alta demanda por treinamento (72,07% de interesse) e a baixa oferta institucional (apenas 16,4% receberam treinamento; 43,67% relataram que suas instituições não oferecem programas).
• Nuances Específicas da TCIM: Destaca como as preocupações éticas e metodológicas da TCIM (como a integridade do conhecimento tradicional e a complexidade epistemológica) moldam a aceitação da IA.
• Dados Abertos: O estudo promoveu a transparência ao disponibilizar o protocolo, os dados brutos e os materiais de análise no OSF.

---

4. Resultados Chave

De um total de 59.045 convites enviados, 716 respostas foram recebidas (taxa de resposta global de 1,21%), com 642 participantes elegíveis.

• Familiaridade e Uso:
  • 58,08% dos pesquisados relataram familiaridade com chatbots de GenAI.
  • O ChatGPT foi a ferramenta mais utilizada (46,10% no passado; 44,84% para fins científicos).
  • 76,12% consideram a GenAI "muito importante" ou "importante" para o futuro da pesquisa científica.
• Aplicações Preferenciais:
  • Os usos mais frequentes e percebidos como mais úteis foram: redação e edição de manuscritos, tradução de materiais de pesquisa e buscas/revisões de literatura.
  • O uso é significativamente menor em tarefas críticas ou avaliativas, como revisão por pares (46,39% nunca usam) e análise/interpretação de dados (37,30% nunca usam).
• Benefícios Percebidos:
  • Redução da carga de trabalho (74,07%).
  • Aumento da eficiência na análise de dados e experimentação (71,14%).
  • Melhoria na acessibilidade e disponibilidade de informações científicas (70,37%).
• Desafios e Preocupações:
  • Ética e Legalidade: 80,17% concordaram que a GenAI levanta preocupações sobre transparência, privacidade e consentimento.
  • Qualidade e Viés: Preocupações significativas sobre a produção de dados enviesados (72,37%), erros na interpretação de terminologia científica (66,73%) e falta de transparência na tomada de decisão (72,41%).
  • Riscos Adicionais: Menções qualitativas incluíram "alucinações" (citações fabricadas), custos ambientais (energia/água) e o risco de erosão do pensamento crítico dos pesquisadores.
• Necessidade de Treinamento:
  • Mais da metade (57,02%) expressou a necessidade de treinamento para usar GenAI no processo científico.
  • 72,07% demonstraram interesse em receber tal treinamento, mas 43,67% indicaram que suas instituições não oferecem esses programas.

---

5. Significância e Implicações

Os resultados deste estudo têm implicações profundas para o futuro da pesquisa em TCIM e para a política de IA na ciência:

1. Desenvolvimento de Políticas Institucionais: A falta de diretrizes formais e treinamento nas instituições exige que universidades e centros de pesquisa desenvolvam protocolos claros para o uso ético da GenAI, especialmente em campos que lidam com conhecimento tradicional sensível.
2. Integração Responsável: A pesquisa sugere que a GenAI pode ser um catalisador para melhorar a colaboração interdisciplinar e a coerência metodológica na TCIM, desde que sejam abordadas as preocupações sobre viés e integridade dos dados.
3. Capacitação da Comunidade: Há uma demanda urgente por programas educacionais que ensinem não apenas o uso técnico, mas também a avaliação crítica e ética dessas ferramentas, focando na mitigação de "alucinações" e na proteção da propriedade intelectual do conhecimento tradicional.
4. Equidade Global: O estudo destaca a necessidade de superar barreiras linguísticas e de acesso para garantir que pesquisadores de regiões com menos recursos (onde muitas práticas de TCIM são prevalentes) não fiquem para trás na revolução da IA, mas também não sejam explorados por ela.

Em suma, o estudo conclui que, embora os pesquisadores de TCIM vejam o potencial da GenAI para aumentar a eficiência e a qualidade da pesquisa, a adoção generalizada e responsável depende do desenvolvimento de treinamento adequado, políticas institucionais robustas e ferramentas que respeitem as nuances epistemológicas da medicina integrativa.