← Todos os artigos

Descreva seu filho para um chatbot e ele quase sempre vai encontrar um diagnóstico

Pesquisadores entregaram a três modelos de IA as histórias de 220 crianças atendidas em um ambulatório de psiquiatria. Com as palavras da própria criança, a IA deixou passar a maioria dos problemas. Com as palavras dos pais, encontrou um em quase todas, inclusive nas crianças que não tinham nenhum.

Esta tradução foi gerada automaticamente e pode conter erros.

Descreva seu filho para um chatbot e ele quase sempre vai encontrar um diagnóstico

São onze da noite. Seu filho de nove anos finalmente dormiu, depois de mais uma noite de choro por causa da lição de casa, e você está sentada com o celular na mão. Abre um chatbot e digita três frases sobre o que anda tirando o seu sono. Depois pergunta: o que é isso?

Muitos pais e mães já fizeram alguma versão disso. Agora um grupo de psiquiatras infantis testou o que vem de volta.

Eles pegaram 220 crianças reais, na primeira consulta, e entregaram as histórias delas a três dos modelos de IA mais conhecidos. A mesma criança, contada de quatro jeitos diferentes. O resultado diz menos sobre a esperteza das máquinas e mais sobre outra coisa: a resposta dependia de quem contava a história.

Uma pergunta, anotada palavra por palavra

O estudo foi feito em dois hospitais universitários da Turquia, entre a primavera e o verão de 2026 no hemisfério norte. Toda criança que chegava pela primeira vez ao ambulatório de psiquiatria infantil era convidada a participar, das bem pequenas aos adolescentes de dezessete anos. A idade média era de nove anos.

Antes de qualquer outra coisa, os pais ouviam uma pergunta aberta: Qual é a queixa que trouxe vocês aqui hoje? A criança era perguntada separadamente: Por que você veio aqui hoje? O que mais incomoda você?

As respostas foram anotadas do jeito mais fiel possível, quase palavra por palavra. Depois o psiquiatra infantil fez o que psiquiatras infantis fazem: uma avaliação completa, uma conversa com a família, um exame e, no fim, um diagnóstico ou nenhum diagnóstico.

Mais tarde, os pesquisadores entregaram cada caso aos modelos de IA quatro vezes. Uma só com o que a criança tinha dito. Uma só com o que os pais tinham dito. Uma com as duas coisas. E uma com as duas coisas mais as anotações do próprio médico, sem nenhuma palavra que desse nome a um diagnóstico.

A primeira coisa que chama a atenção é como havia pouco material.

Quanto cada relato dava para a IA trabalharCada bloco é uma palavra. Os números são o tamanho típico do que foi dito na primeira consulta.
  • As palavras da criança9 palavras
  • As palavras dos pais32 palavras
  • Criança e pais juntos46 palavras
  • Criança, pais e anotações do médico122 palavras
Mediana do número de palavras do texto em turco entregue aos modelos. Metade dos relatos das próprias crianças tinha nove palavras ou menos, e algumas crianças não disseram nada.

Nove palavras. Esse era o tamanho típico do que uma criança dizia sobre o motivo de estar ali. Algumas não disseram nada. Os pais falaram cerca de três vezes mais, o que ainda é menos do que este parágrafo.

A mesma criança, quatro respostas diferentes

Os modelos tinham duas tarefas: primeiro decidir se aquilo parecia mesmo um diagnóstico e, em caso positivo, listar os três mais prováveis.

Com que frequência a primeira sugestão da IA bateu com a do médicoProporção das 220 crianças em que a primeira sugestão foi igual ao diagnóstico do psiquiatra infantil. Cada faixa vai do mais fraco ao mais forte dos três modelos.
  • As palavras da criança36–44%
  • As palavras dos pais66–69%
  • Criança e pais juntos69–72%
  • Criança, pais e anotações do médico79–83%
Em porcentagem. Uma sugestão contava como acerto quando caía no mesmo grupo de diagnósticos que a do médico. Fonte: Kayış e colaboradores (2026), Tabela 2.

Só com as palavras da criança, a primeira sugestão da IA bateu com a do médico em cerca de quatro casos a cada dez. Com as palavras dos pais, em quase sete a cada dez. Com as anotações do médico somadas, em cerca de oito a cada dez.

Vale a pena parar em dois detalhes.

Juntar as palavras da criança às dos pais quase não fez diferença. Estatisticamente, os modelos não se saíram melhor com as duas coisas do que só com os pais.

Quase não importou qual IA foi usada. Os três modelos eram o GPT-5.6, da OpenAI, o Gemini 3.5 Flash, do Google, e o Claude Sonnet 4.6, da Anthropic. Eles só se distinguiram com clareza quando tinham apenas as palavras da criança. Assim que um dos pais entrava na história, as diferenças ficavam pequenas demais para separar do acaso. O que entrava na máquina pesou muito mais do que a máquina em que entrava.

Dois jeitos de errar

É aqui que o estudo fica interessante. Um médico que “acerta 70 por cento das vezes” pode errar de dois jeitos bem diferentes: deixando passar uma criança que está sofrendo ou colocando um rótulo em uma criança que está bem. Os pesquisadores olharam para os dois.

Dois jeitos de errarAs mesmas quatro situações, separadas pelo que a criança realmente tinha. A faixa vai do modelo mais fraco ao mais forte.

A criança tinha um diagnósticoCom que frequência a IA disse que havia alguma coisa. 199 crianças.

  • As palavras da criança41–59%
  • As palavras dos pais94–98%
  • Criança e pais juntos94–99%
  • Criança, pais e anotações do médico93–98%

A criança não tinha diagnósticoCom que frequência a IA disse que não havia nada. 21 crianças.

  • As palavras da criança62–86%
  • As palavras dos pais24–38%
  • Criança e pais juntos14–43%
  • Criança, pais e anotações do médico52–62%
Em porcentagem. O painel da direita se apoia em apenas 21 crianças, então esses números são aproximados. Fonte: Kayış e colaboradores (2026), Tabela 5.

Quando a IA só ouvia a criança, pecava por excesso de cautela. Em cerca de metade dos casos, respondeu que não parecia haver nada de errado. Só que 199 das 220 crianças tinham, sim, um diagnóstico. A IA deixou passar mais ou menos metade delas.

Quando a IA ouvia os pais, o jogo virava. Agora ela encontrava alguma coisa em quase todo mundo. Identificou mais de nove em cada dez crianças que tinham um diagnóstico.

E também “identificou” a maioria das que não tinham.

21crianças saíram do ambulatório sem nenhum diagnóstico psiquiátrico
5–8delas a IA considerou sem diagnóstico ao ouvir as palavras dos pais
11–13delas a IA considerou sem diagnóstico quando as anotações do médico foram incluídas

Pense no que isso quer dizer. Um pai ou uma mãe preocupada descreve o filho. O médico, depois de uma avaliação completa, conclui que aquilo está dentro do esperado. A IA, lendo as palavras do mesmo pai ou da mesma mãe, sugeriu um diagnóstico para a maioria dessas crianças.

Não é tão estranho quanto parece. Quem marcou consulta em um ambulatório de psiquiatria está descrevendo um problema. É por isso que está lá. As palavras vêm carregadas de preocupação, e a IA responde às palavras. Ela não viu a criança brincar, não ouviu a criança falar e não fez aquela pergunta a mais que deixa a preocupação menor.

Por que nove palavras não bastam

Por que o relato da própria criança ajudou tão menos?

Em parte porque criança fala pouco. Mas também dependia do que estava acontecendo. Só com as palavras da criança, os modelos foram razoavelmente bem com ansiedade e com problemas obsessivo-compulsivos. São coisas que acontecem por dentro, e a criança às vezes consegue dizer: Eu tenho medo o tempo todo. Eu preciso conferir a porta.

Com TDAH, autismo e dificuldades de linguagem foi diferente. Uma criança de sete anos não diz “sou desatento em vários ambientes”. Quem vê isso são as pessoas em volta. Para esses diagnósticos, a IA precisava dos pais.

A idade também pesou, do jeito que se esperaria. A cada ano a mais de idade, a chance de a IA acertar a partir das palavras da própria criança subia cerca de 16 por cento. Um adolescente de dezesseis anos consegue descrever o que sente por dentro. Uma criança de cinco diz “não sei”.

Mesmo com todas as cartas na mesa, algumas coisas continuaram difíceis de enxergar.

O que a IA percebeu e o que deixou passarCom todas as informações disponíveis: a proporção de crianças com cada diagnóstico em que a IA colocou esse diagnóstico em primeiro lugar.
  • TOC83–92%
  • Autismo77–96%
  • TDAH78–81%
  • Ansiedade69–85%
  • Transtornos de linguagem e fala58–78%
  • Depressão50–60%
  • Deficiência intelectual15–23%
Em porcentagem, do modelo mais fraco ao mais forte. Os grupos são pequenos, de 12 a 58 crianças, então os números são aproximados. Fonte: Kayış e colaboradores (2026), Tabela 4.

A depressão foi identificada em cerca de metade das crianças que tinham. A deficiência intelectual quase nunca foi sugerida, o que faz sentido: ela é constatada com testes, não com uma descrição.

O que isso não mostra

  • Aqui, nove em cada dez crianças tinham um diagnóstico. É assim em um serviço especializado. Entre as crianças em geral, a maioria não tem nenhum. Uma IA com tendência a encontrar alguma coisa erraria, então, muito mais vezes. Esse último passo é raciocínio nosso, não algo que o estudo mediu.
  • Só 21 crianças não tinham diagnóstico. Os números sobre elas são aproximados, e os próprios pesquisadores dizem isso.
  • As anotações do médico foram escritas pelo médico que fez o diagnóstico. As palavras que davam nome ao diagnóstico foram retiradas, mas as anotações talvez ainda apontassem na direção certa. Por isso o melhor resultado pode estar favorecendo a IA.
  • O médico não é um gabarito perfeito. Cada diagnóstico foi feito por um único psiquiatra, na rotina normal de atendimento, sem segunda opinião.
  • Tudo estava em turco, e os relatos eram curtos. Uma conversa longa com um chatbot em casa é outra situação, para o bem ou para o mal.
  • Ninguém mediu o que acontece depois. O estudo comparou respostas. Não acompanhou nenhuma família que tenha agido com base no que uma IA disse.

Se é você quem está com o celular na mão

A conclusão dos próprios pesquisadores é sóbria: os modelos foram melhor quando tinham em mãos as observações de um profissional, e muitas vezes deram um diagnóstico a crianças que não tinham nenhum.

A partir disso, três coisas parecem justas de dizer. São a nossa leitura, não orientação médica.

Uma IA responde à sua descrição, não ao seu filho. Se você escreve na hora em que a preocupação está no auge, recebe uma resposta do tamanho dessa preocupação.

Um “pode ser TDAH” vindo de um chatbot é um sinal mais fraco do que parece. Neste estudo, os modelos disseram algo assim sobre a maioria das crianças cujos pais estavam preocupados, inclusive aquelas em que o especialista não encontrou nada.

Colocar no papel continua sendo útil. O que os pais disseram em 32 palavras foi a informação mais valiosa de todo o estudo. Anotações sobre o que você vê, quando acontece e há quanto tempo vem acontecendo são exatamente o que o pediatra ou a equipe da escola vão pedir.

A mesma regra vale para os testes de triagem deste site, inclusive os de TDAH e autismo. Uma pontuação alta é um motivo para conversar com alguém que possa avaliar a pessoa por inteiro. Nunca é um diagnóstico.

A criança do estudo que disse nove palavras não estava errada, e o pai ou a mãe que disse trinta e duas também não. Cada um contava a parte que conseguia ver. O trabalho de juntar as partes continua sendo de alguém que está na mesma sala.

Fontes e leituras complementares

Faça o teste

Qual é a sua pontuação?

Faça o teste Big Five gratuito e de código aberto, sem cadastro, e veja seu próprio perfil nos cinco traços.

Fazer o teste Ver todos os testes

Leia a seguir