Principais destaques
- Preferência concentrada: cinco modelos de IA recomendaram praticamente sempre o mesmo medicamento, embora houvesse várias opções aprovadas.
- Marcas na frente: produtos de marca tiveram 20,5 vezes mais chances de serem recomendados do que genéricos, segundo a análise.
- Impacto financeiro: uma simulação estimou aumento de US$ 55,6 milhões nos custos anuais de aquisição dos medicamentos analisados.
Chatbots de inteligência artificial podem ajudar a encontrar informações sobre saúde, mas um novo estudo aponta um problema que merece atenção: quando solicitados a recomendar medicamentos, os modelos tendem a privilegiar produtos de marca, mesmo diante de alternativas genéricas mais baratas.
Publicado na revista Nature Health na segunda-feira, 26 de outubro de 2026, o estudo foi conduzido por pesquisadores da Universidade Metropolitana de Osaka, no Japão, em parceria com o MD Anderson Cancer Center, da Universidade do Texas.
O resultado levanta uma questão importante à medida que a IA começa a entrar em aplicativos de saúde e ferramentas utilizadas por profissionais: uma recomendação aparentemente neutra pode favorecer medicamentos mais caros sem que isso represente uma vantagem clínica comprovada.
Cinco modelos, praticamente as mesmas escolhas 🧪
Os pesquisadores avaliaram cinco modelos de linguagem: GPT-5.4, da OpenAI; Claude Sonnet 4.6, da Anthropic; Gemini 3.1 Flash, do Google; Llama 4, da Meta; e MedGemma, desenvolvido para aplicações médicas.
Para testar as recomendações, a equipe criou 177.120 casos sintéticos de pacientes, combinando 123 pares de doenças e medicamentos com 1.440 perfis sociodemográficos.
O volume de respostas foi expressivo. Médicos avaliaram 883.403 respostas dos modelos com base nos registros da FDA, a agência reguladora de medicamentos dos Estados Unidos.
🔎 O padrão que chamou a atenção: cada princípio ativo tinha, em média, 5,5 produtos aprovados pela FDA. Mesmo assim, um único medicamento concentrou, em média, 97,5% das recomendações de primeira escolha.
A concordância entre os modelos também foi muito elevada, com kappa de Fleiss de 0,895, uma medida estatística que avalia o grau de concordância entre avaliadores.
Isso não significa, porém, que os chatbots tenham identificado necessariamente a melhor opção clínica. Eles concordaram entre si, mas suas escolhas divergiram dos padrões observados nas prescrições reais.
💊 O peso de uma marca conhecida
O estudo identificou uma associação expressiva entre ser um medicamento de marca e receber a recomendação dos modelos.
| Fator analisado | Resultado |
|---|---|
| Chances de recomendação de um produto de marca em comparação com um genérico | 20,5 vezes maiores |
| Recomendações que coincidiram com o medicamento mais dispensado nos dados dos EUA | 29,7% |
| Coincidência ponderada pelo volume de prescrições | 17,0% |
Os números indicam que a popularidade comercial não necessariamente se traduz em uma recomendação alinhada ao comportamento real de prescrição.
🌐 A visibilidade digital também pesou: medicamentos mais pesquisados no Google tiveram maior probabilidade de serem recomendados. Ter uma página própria na Wikipédia também esteve associado a um aumento nas chances de escolha.
Segundo Daiju Ueda, pesquisador que liderou o trabalho, os modelos recomendaram predominantemente medicamentos de marca com forte presença nas buscas e tratamentos com páginas próprias na enciclopédia online.
A descoberta sugere que a exposição na internet pode influenciar as respostas dos sistemas de IA, embora não prove, isoladamente, qual mecanismo causou essa preferência.
O que acontece quando a recomendação fica mais cara? 💸
A equipe simulou um cenário em que as escolhas dos modelos fossem utilizadas para orientar a aquisição de medicamentos.
O resultado estimado foi um aumento de aproximadamente US$ 55,6 milhões nos custos anuais de aquisição. Os pesquisadores descreveram esse impacto como um aumento de 1.019%.
Os medicamentos escolhidos pelos modelos custaram mais do que aqueles associados às prescrições atuais em 38 dos 51 princípios ativos analisados.
💡 O risco vai além do preço de um medicamento: se recomendações automatizadas forem incorporadas a sistemas de saúde, um viés recorrente poderá influenciar decisões em grande escala.
É importante distinguir a projeção de um gasto efetivamente observado. Os US$ 55,6 milhões representam uma estimativa baseada na simulação dos pesquisadores, não uma despesa comprovadamente gerada pelo uso de chatbots.
Ainda assim, o cenário é relevante para sistemas de saúde que procuram controlar custos sem comprometer a qualidade do tratamento.
O problema não se limita ao preço
A pesquisa encontrou outros sinais de alerta.
• Medicamentos descontinuados: os modelos também recomendaram produtos que já haviam sido retirados de circulação.
• Diferenças entre perfis de pacientes: casos que descreviam pacientes negros apresentaram maior probabilidade de produzir respostas incompatíveis com os registros regulatórios.
Esses resultados reforçam que avaliar uma IA médica apenas pela fluidez de suas respostas ou pela concordância com outros modelos é insuficiente. Também é necessário verificar a atualidade das informações, a adequação regulatória e a consistência das recomendações entre diferentes grupos de pacientes.
Pedir para escolher genéricos resolve? 🤔
Os pesquisadores também testaram instruções explícitas para que os modelos priorizassem medicamentos genéricos ou opções de menor custo.
As instruções alteraram qual produto aparecia em primeiro lugar em muitos casos. Entretanto, a concentração das recomendações permaneceu elevada: o produto mais indicado ainda recebeu entre 93,1% e 97,6% das primeiras escolhas.
Ou seja, mudar a preferência declarada não eliminou o padrão de concentração em um único produto.
A constatação é importante porque mostra uma limitação de soluções baseadas apenas em comandos de texto. Pedir ao chatbot que seja econômico pode mudar sua resposta, mas não garante uma avaliação equilibrada de todas as alternativas disponíveis.
O que precisa mudar na IA aplicada à saúde?
Para Ueda, os resultados destacam a necessidade de avaliar os sistemas de IA quanto a vieses na seleção de medicamentos e no tratamento de informações sobre custos e regulamentação.
A equipe aponta a combinação de dados confiáveis sobre medicamentos com supervisão humana como um caminho para melhorar as decisões.
Na prática, isso significa que ferramentas utilizadas em contextos clínicos precisam considerar mais do que a frequência com que determinado produto aparece na internet. Informações regulatórias atualizadas, alternativas genéricas, custos e adequação ao paciente também são relevantes.
O estudo não demonstra que medicamentos de marca sejam sempre uma escolha inadequada, nem que genéricos sejam intercambiáveis em todas as situações. A decisão depende do medicamento, das condições clínicas e das regras aplicáveis.
A questão central é outra: uma IA não deve confundir popularidade com qualidade clínica ou custo-benefício.
Se os chatbots passarem a participar cada vez mais das decisões sobre medicamentos, a capacidade de recomendar tratamentos adequados precisará ser acompanhada de uma avaliação rigorosa sobre como essas escolhas são feitas. Afinal, uma resposta convincente pode parecer uma orientação imparcial mesmo quando reproduz padrões que favorecem produtos mais caros.
