Uso de IA no ensino e na formação profissional: Proposta de ferramenta para avaliação interativa de casos clínicos

• Thiago Ferreira Leal UNIPAMPA
• Érico Amaral UNIPAMPA
• Julio Saraçol Domingues Júnior UNIPAMPA

DOI: https://doi.org/10.5753/sbcas.2026.21723

Resumo

O uso de inteligência artificial na educação em saúde tem ampliado as possibilidades de simulação e avaliação, mas ainda ocorre, em muitos casos, de forma manual, pouco padronizada e com baixa rastreabilidade. Este artigo apresenta o EducaSim, uma plataforma web voltada à aplicação de avaliações interativas de casos clínicos com apoio de LLMs, a partir de referências textuais, páginas web e arquivos PDF. O estudo é aplicado e exploratório. Os resultados preliminares indicam viabilidade na ingestão multimodal, na geração de casos ancorados nas referências, na orientação por teoria de aprendizagem e na produção de relatórios interativos.

Referências

Abadam-Eremeev, D., Seng, R. P., Srinivasan, J., Knouna, K., Bogaudo, J. R., Rodriguez De La Nuez, P. A., and Podcheko, A. (2025). Revolutionizing educational assessment: The role of Bing Chat GPT-4 chatbot in increasing efficiency in grading open-ended questions. Cureus, 17(12):e100508.

Asai, A., Wu, Z., Wang, Y., Sil, A., and Hajishirzi, H. (2023). Self-RAG: Learning to retrieve, generate, and critique through self-reflection. arXiv preprint arXiv:2310.11511.

Aster, A., Laupichler, M. C., Rockwell-Kollmann, T., Masala, G., Bala, E., and Raupach, T. (2024). ChatGPT and other large language models in medical education – scoping literature review. Medical Science Educator.

Flores, C. D., Caregnato, R. C. A., Wächter, D. A., Carvalho, P. F., Cogo, A. L. P., and Santos, E. F. d. (2023). Ferramenta de ensino para construção de casos clínicos do tipo paciente virtual. In Anais Estendidos do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023), pages 180–185, Porto Alegre. SBC.

Guo, E., Ramchandani, R., Park, Y.-J., and Gupta, M. (2025). OSCEai: personalized interactive learning for undergraduate medical education. Canadian Medical Education Journal, 16(6).

Kolb, D. A. (1984). Experiential Learning: Experience as the Source of Learning and Development. Prentice-Hall, Englewood Cliffs, NJ.

Loubbairi, S., El Moussaoui, Y., Lahlou, L., Chakri, I., and Nassik, H. (2025). The impact of artificial intelligence-driven simulation on the development of non-technical skills in medical education: a systematic review. Journal of Educational Evaluation for Health Professions, 22:37.

Luo, M.-J., Pang, J., Bi, S., Lai, Y., Zhao, J., Shang, Y., et al. (2024). Development and evaluation of a retrieval-augmented large language model framework for ophthalmology. JAMA Ophthalmology, 142(9):798.

Madaan, A., Tandon, N., Gupta, P., Hallinan, S., Gao, L., Wiegreffe, S., Alon, U., Dziri, N., Prabhumoye, S., Yang, Y., Gupta, S., Majumder, B. P., Hermann, K., Welleck, S., Yazdanbakhsh, A., and Clark, P. (2023). Self-Refine: Iterative refinement with self-feedback. arXiv preprint arXiv:2303.17651.

Yu, H., Zhou, J., Li, L., Chen, S., Gallifant, J., Shi, A., et al. (2025). Simulated patient systems powered by large language model-based AI agents offer potential for transforming medical education. Communications Medicine, 6(1):27.