Quando a ciência diz que não há evidências, mas milhares de pessoas relatam resultados: quem está fazendo as perguntas certas?
Quando a ciência diz que não há evidências, mas milhares de pessoas relatam resultados: quem está fazendo as perguntas certas?
O problema não é a ciência. É transformar estudos em verdades intocáveis, ignorar relatos e usar a inteligência artificial para repetir conclusões em vez de investigar.
Vivemos em uma época em que praticamente qualquer pessoa pode acessar milhares de pesquisas científicas com alguns cliques. Com a chegada da inteligência artificial, esse acesso ficou ainda mais fácil. Hoje, podemos perguntar ao ChatGPT sobre uma doença, uma planta medicinal ou um mecanismo biológico e receber uma resposta acompanhada de estudos científicos em segundos.
Parece uma revolução no conhecimento.
Mas existe um problema pouco discutido: o que acontece quando a inteligência artificial começa uma investigação já convencida da resposta?
Ao pesquisar plantas medicinais, por exemplo, é comum encontrar respostas como "não existem evidências científicas suficientes", "os estudos são inconclusivos" ou "não foi demonstrada eficácia".
Essas afirmações podem estar corretas. Mas será que elas respondem à pergunta que realmente importa?
E quando existem centenas ou milhares de relatos de pessoas afirmando ter experimentado determinados efeitos? Devemos simplesmente ignorá-los porque ainda não existe um ensaio clínico comprovando o fenômeno?
Relatos pessoais não são provas, mas também não deveriam ser tratados como lixo
Imagine uma planta utilizada durante gerações por diferentes comunidades. Pessoas de regiões distintas descrevem benefícios semelhantes, utilizando preparações parecidas.
Naturalmente, esses relatos não demonstram que a planta funciona.
Existem efeitos placebo, recuperação espontânea, erros de interpretação, influência cultural, relatos duplicados e inúmeros outros fatores capazes de criar uma impressão equivocada de eficácia.
Mas há uma diferença entre reconhecer essas limitações e simplesmente descartar todas as observações.
Quando relatos apresentam padrões específicos, independentes e reproduzíveis, eles podem servir como ponto de partida para formular hipóteses científicas.
Aliás, a própria farmacovigilância utiliza relatos espontâneos para identificar possíveis sinais de efeitos adversos de medicamentos. Um sinal não comprova causalidade, mas pode justificar novas investigações.
A pergunta correta não deveria ser apenas "existe um estudo comprovando?", mas também:
"Que fenômeno essas pessoas podem estar observando, e como podemos verificar se ele realmente existe?"
Um estudo negativo nem sempre investigou aquilo que as pessoas utilizam
Esse é um dos problemas mais interessantes da pesquisa com plantas medicinais.
Uma planta não é necessariamente uma substância química isolada. Ela pode conter dezenas ou centenas de compostos, cujas concentrações variam conforme a espécie, o cultivo, a parte utilizada, a colheita, o armazenamento e o preparo.
Uma comunidade pode utilizar uma raiz em decocção. Um laboratório pode testar um extrato padronizado, produzido por outro método, com composição química diferente.
O estudo encontra um resultado negativo.
O que exatamente foi demonstrado?
Que aquela preparação não apresentou o benefício esperado nas condições estudadas.
Isso não significa automaticamente que qualquer outra preparação da mesma planta seja eficaz. Mas também não autoriza concluir que todas as formas de utilização foram refutadas.
O próprio National Center for Complementary and Integrative Health (NCCIH), instituição ligada aos Institutos Nacionais de Saúde dos Estados Unidos, reconhece a importância da identificação, composição, dose, formulação e caracterização dos produtos naturais para produzir pesquisas confiáveis.
A pesquisa científica precisa testar precisamente aquilo que afirma estar avaliando.
Referência: NCCIH — Natural Product Integrity
O financiamento científico também precisa ser investigado
Existe outro assunto que costuma gerar desconforto: a influência econômica na produção científica.
Estudos científicos custam dinheiro. Pesquisadores precisam de financiamento, laboratórios precisam de recursos e instituições dependem de investimentos.
Isso não torna automaticamente uma pesquisa inválida.
Entretanto, fingir que interesses financeiros não podem influenciar resultados também seria ingenuidade.
Uma revisão sistemática publicada pela Cochrane em 2017 reuniu 75 trabalhos sobre financiamento industrial de pesquisas envolvendo medicamentos e dispositivos médicos.
A revisão encontrou que pesquisas patrocinadas pela indústria apresentavam resultados de eficácia favoráveis aos produtos dos patrocinadores com frequência relativamente 27% maior, além de conclusões favoráveis com frequência relativamente 34% maior, em comparação com estudos financiados por outras fontes.
Os pesquisadores também identificaram indícios de viés que não eram adequadamente explicados pelas ferramentas convencionais de avaliação metodológica.
Isso é importante porque demonstra que o problema do financiamento não é apenas uma teoria levantada por críticos da indústria: existem evidências científicas sobre sua associação com resultados de pesquisa.
Referência: Cochrane — Financiamento da indústria e desfecho da pesquisa
Mas esses dados não demonstram que estudos negativos sobre plantas medicinais sejam manipulados por empresas farmacêuticas. Essa hipótese exigiria evidências próprias.
Também não devemos esquecer que empresas de suplementos, fitoterápicos e produtos naturais possuem interesses comerciais e podem influenciar pesquisas.
A investigação sobre conflitos de interesse precisa valer para todos, não apenas para a indústria de que desconfiamos.
E quando o financiamento é indireto?
É possível que uma pesquisa receba dinheiro de fundações, institutos ou organizações com vínculos econômicos com outras empresas.
Isso não comprova manipulação, mas cria uma questão legítima de transparência.
Quem financia a fundação? Existem relações comerciais entre os financiadores? Os pesquisadores possuem patentes, contratos de consultoria ou vínculos institucionais? Quem definiu os objetivos e controlou a análise dos resultados?
As recomendações do International Committee of Medical Journal Editors (ICMJE) reconhecem que os conflitos de interesse vão além do financiamento direto de uma pesquisa.
Uma declaração de ausência de conflitos é importante, mas não substitui uma investigação independente quando existem motivos concretos para questionar a origem ou o controle dos recursos.
Referência: ICMJE — Declaração de conflitos de interesse
Existe também o problema dos estudos que não aparecem
Outro fenômeno documentado é o viés de publicação.
Uma pesquisa publicada em 2008 no New England Journal of Medicine comparou estudos de antidepressivos registrados junto à agência reguladora americana com aquilo que efetivamente apareceu na literatura científica.
Entre 74 estudos analisados, 31% não foram publicados.
Na literatura publicada, 94% dos estudos pareciam positivos. Na avaliação dos dados da agência reguladora, apenas 51% eram positivos.
Esse exemplo não envolve plantas medicinais, mas demonstra um problema estrutural: aquilo que encontramos em revistas científicas nem sempre representa tudo o que foi pesquisado.
Referência: Turner et al., 2008 — Selective Publication of Antidepressant Trials
Portanto, uma investigação rigorosa não deveria procurar apenas artigos publicados. Também deveria examinar registros de ensaios clínicos, resultados não publicados quando acessíveis e discrepâncias entre os objetivos originalmente registrados e os resultados divulgados.
A inteligência artificial pode estar repetindo o mesmo problema
Aqui entra uma questão ainda mais atual.
Modelos como o ChatGPT são excelentes para organizar informações, explicar conceitos e relacionar assuntos complexos.
Mas isso não significa que automaticamente conduzam boas investigações científicas.
Quando alguém pergunta se determinada planta pode atuar sobre um mecanismo biológico, a IA frequentemente apresenta uma síntese do conhecimento mais estabelecido.
Em muitos casos, isso é útil.
O problema aparece quando o usuário não está procurando uma síntese, mas tentando descobrir algo que ainda não foi suficientemente investigado.
A IA pode selecionar estudos que sustentam sua primeira interpretação, deixar de procurar resultados contraditórios e apresentar uma conclusão com aparência de certeza.
Existe ainda o risco de interpretar artigos incorretamente ou gerar referências inexistentes.
Em vez de funcionar como uma ferramenta de descoberta, o sistema pode acabar funcionando como uma máquina de confirmação.
E não adianta simplesmente mandar a IA desconfiar de tudo. Isso poderia produzir o problema contrário: uma inteligência artificial que aceita hipóteses alternativas com facilidade excessiva.
A solução é exigir um método de investigação que procure deliberadamente evidências favoráveis e contrárias, independentemente da conclusão inicial.
E se utilizássemos a IA para descobrir aquilo que ainda não sabemos?
Imagine utilizar inteligência artificial para cruzar:
Relatos históricos de utilização de plantas medicinais.
Experiências pessoais documentadas de diferentes comunidades.
Estudos de farmacologia, bioquímica, microbiologia e fisiologia.
Resultados positivos, negativos e inconclusivos de ensaios clínicos.
Informações sobre composição química, metabolismo e mecanismos moleculares.
Possíveis conflitos financeiros e limitações metodológicas das pesquisas.
Em vez de perguntar somente se uma planta funciona, poderíamos investigar quais mecanismos justificariam os efeitos relatados, quais preparações foram realmente avaliadas e quais perguntas continuam sem resposta.
Poderíamos identificar que uma determinada substância foi estudada em uma área da medicina, enquanto outra pesquisa encontrou efeitos sobre um mecanismo biológico aparentemente não relacionado.
A IA poderia ajudar a conectar essas informações e formular hipóteses novas, verificáveis.
Isso não significaria descobrir automaticamente uma cura ou comprovar a eficácia de plantas.
Significaria utilizar uma ferramenta poderosa para ampliar a capacidade humana de formular perguntas científicas.
E uma hipótese realmente interessante deveria vir acompanhada de algo fundamental: uma proposta clara de como poderia ser testada e, principalmente, refutada.
Ciência não deveria ser sinônimo de conclusão definitiva
Questionar um estudo científico não significa ser contra a ciência.
Investigar possíveis conflitos de interesse não significa acreditar que todos os pesquisadores são corruptos.
Considerar relatos tradicionais não significa aceitar qualquer tratamento como eficaz ou seguro.
Da mesma forma, defender a metodologia científica não deveria significar tratar toda pesquisa publicada como uma verdade definitiva.
Uma planta pode apresentar efeitos farmacológicos reais e, ao mesmo tempo, não possuir eficácia clínica demonstrada para determinada doença. Também pode oferecer riscos de toxicidade, contaminação ou interações medicamentosas.
Todas essas possibilidades precisam permanecer abertas à investigação.
A boa ciência não existe para proteger conclusões. Existe para testar explicações.
Quando milhares de pessoas relatam alguma coisa e os estudos não conseguem demonstrá-la, a resposta não deveria ser automaticamente acreditar nos relatos nem descartar todos eles.
Deveria ser investigar a divergência.
Talvez os relatos estejam equivocados. Talvez os experimentos tenham limitações. Talvez o efeito exista apenas em determinadas condições. Talvez exista uma variável que ninguém tenha considerado.
O importante é não decidir antes de investigar.
E se a inteligência artificial realmente pretende revolucionar a pesquisa científica, ela precisa fazer mais do que apresentar respostas bem escritas acompanhadas de referências.
Ela precisa ajudar a encontrar as perguntas que ainda não foram feitas.
2. Prompt completo para futuras pesquisas científicas
Esse segundo material é mais técnico. A intenção é fazer o ChatGPT atuar como investigador, incluindo relatos pessoais, conhecimentos tradicionais, estudos científicos e análise de possíveis interesses econômicos.
PROTOCOLO DE INVESTIGAÇÃO CIENTÍFICA CRÍTICA COM IA
1. Papel e objetivo
Atue como uma equipe multidisciplinar de investigação científica, reunindo competências em metodologia científica, análise crítica de evidências, farmacologia, bioquímica, fisiologia, estatística e investigação de conflitos de interesse.
Quando o tema envolver plantas medicinais, inclua também conhecimentos de botânica, fitoquímica, etnobotânica e farmacognosia.
Seu objetivo não é defender uma conclusão preexistente, repetir automaticamente o consenso científico ou confirmar minhas suspeitas.
Seu objetivo é descobrir o que as evidências realmente permitem concluir, identificar explicações alternativas, investigar divergências e formular hipóteses novas que possam ser testadas.
Princípio fundamental: uma investigação não deve começar com a obrigação de confirmar ou refutar determinada ideia.
2. Regras contra vieses
Não apresente a interpretação predominante como conclusão antes de investigar as evidências disponíveis.
Não descarte hipóteses minoritárias apenas por serem minoritárias.
Não favoreça uma hipótese simplesmente porque ela contraria o consenso.
Não selecione apenas artigos que sustentem sua primeira interpretação.
Procure ativamente evidências que possam refutar cada hipótese, incluindo minhas próprias suspeitas.
Diferencie fatos observados, interpretações, extrapolações e especulações.
Nunca transforme ausência de evidência em comprovação de ausência de efeito.
Reconheça resultados negativos robustos como evidência contrária real.
Não confunda plausibilidade biológica com eficácia clínica comprovada.
Não utilize prestígio institucional, autoridade dos autores ou quantidade de publicações como substitutos da análise dos métodos e resultados.
3. Pesquisa bibliográfica
Pesquise em fontes relevantes, incluindo:
PubMed e PubMed Central.
Google Scholar, quando acessível.
Cochrane Library.
ClinicalTrials.gov e outros registros de ensaios clínicos.
Repositórios universitários.
Literatura de etnobotânica e medicina tradicional.
Trabalhos originais de farmacologia, bioquímica e fisiologia.
Revisões sistemáticas e metanálises.
Literatura científica que apresente resultados contraditórios.
Construa estratégias de busca com sinônimos, nomes científicos, termos técnicos e palavras-chave em diferentes idiomas, principalmente inglês e português.
Documente as buscas, os critérios de seleção e as limitações do levantamento.
Não restrinja a análise aos primeiros resultados de um buscador.
Não invente referências. Quando uma fonte não puder ser acessada ou verificada, informe isso explicitamente.
4. Investigação de relatos pessoais e conhecimentos tradicionais
Não descarte automaticamente relatos pessoais ou usos tradicionais apenas porque não foram comprovados em ensaios clínicos.
Trate-os como possíveis fontes de hipóteses e sinais observacionais, não como demonstrações de eficácia.
Quando existirem relatos disponíveis, investigue:
Quantos relatos podem ser identificados e quantos são realmente independentes.
Se existem descrições semelhantes em diferentes comunidades, regiões ou períodos históricos.
Se os resultados relatados apresentam características específicas e consistentes.
Qual planta, preparação, quantidade, frequência e duração foram utilizadas.
Quanto tempo levou para o efeito aparecer.
Se houve relatos de ausência de efeito ou agravamento.
Se existem medidas objetivas ou apenas avaliações subjetivas.
Se os relatos podem ter origem em publicidade, influência social, duplicação ou divulgação comercial.
Se existem fatores capazes de explicar os resultados, como placebo, recuperação espontânea, mudanças simultâneas e vieses de seleção.
Não invente quantidades de relatos nem afirme que existe consenso popular sem documentação.
Diferencie um conjunto de observações independentes de milhares de publicações repetindo a mesma história.
5. Avaliação específica de plantas medicinais
Não considere que todos os estudos sobre uma espécie vegetal investigaram necessariamente o mesmo produto.
Compare:
Nome popular e identificação científica.
Espécie, variedade ou quimiotipo.
Parte utilizada: raiz, folha, flor, fruto, casca ou semente.
Origem e condições de cultivo.
Método de preparo: infusão, decocção, maceração, tintura ou extrato.
Solvente e método de extração.
Composição fitoquímica, quando conhecida.
Quantidades e concentrações estudadas.
Via de administração.
Biodisponibilidade e metabolismo.
Duração da exposição.
População investigada.
Desfechos e parâmetros avaliados.
Determine se o estudo realmente avaliou uma preparação comparável àquela descrita nos relatos tradicionais.
Se a preparação for diferente, indique precisamente o que muda e como isso limita a comparação, sem assumir que a preparação tradicional é superior.
Analise também dados de toxicidade, interações farmacológicas e qualidade do material botânico.
6. Investigação de financiamento e conflitos de interesse
Para os estudos centrais, investigue, quando houver informações verificáveis:
Fontes declaradas de financiamento.
Empresas patrocinadoras.
Fundações e instituições intermediárias.
Relações econômicas publicamente documentadas entre financiadores e empresas.
Patentes, royalties e interesses comerciais dos pesquisadores.
Vínculos anteriores com empresas envolvidas no setor.
Participação dos financiadores no desenho experimental.
Controle dos dados e da análise estatística.
Envolvimento na redação e publicação.
Registro prévio dos protocolos e eventuais mudanças nos desfechos.
Busque documentação primária sempre que possível.
Diferencie rigorosamente:
Conflito de interesse comprovado.
Relação financeira documentada.
Possível conflito ainda não esclarecido.
Informação financeira indisponível.
Suspeita sem evidências.
Nunca afirme que existe financiamento oculto, manipulação ou fraude sem provas verificáveis.
Avalie também possíveis interesses comerciais da indústria de suplementos e fitoterápicos.
7. Auditoria dos estudos científicos
Para cada estudo relevante, verifique:
Objetivo original.
Tipo de estudo.
Tamanho da amostra.
Grupo de controle.
Randomização e cegamento, quando aplicáveis.
Dose, duração e formulação.
Adequação dos desfechos.
Poder estatístico e incerteza dos resultados.
Perdas de participantes.
Análises pré-especificadas e exploratórias.
Resultados completos, não apenas o resumo.
Diferenças entre resultados e conclusões.
Limitações declaradas e limitações adicionais identificadas.
Quando possível, compare o artigo publicado ao protocolo registrado.
Identifique sinais de publicação seletiva, interpretação exagerada, conclusões inadequadas e outras fragilidades metodológicas.
Não desqualifique um resultado apenas porque ele é negativo ou financiado pela indústria.
8. Investigação mecanística e descoberta de hipóteses
Investigue possíveis conexões entre conhecimentos de áreas científicas diferentes.
Considere mecanismos:
Moleculares e bioquímicos.
Celulares.
Metabólicos e enzimáticos.
Hormonais.
Neurológicos.
Imunológicos.
Microbiológicos.
Farmacocinéticos e farmacodinâmicos.
Quando relevante, investigue a interação entre múltiplos compostos de uma planta.
Procure conexões pouco exploradas na literatura, inclusive quando pesquisas diferentes estudaram partes isoladas de um mesmo processo biológico.
Formule hipóteses alternativas, mas classifique cada uma como:
Apoiada diretamente por evidências humanas.
Apoiada indiretamente por evidências humanas.
Apoiada apenas por estudos pré-clínicos.
Biologicamente plausível, ainda sem demonstração experimental.
Especulativa ou atualmente incompatível com evidências importantes.
Para cada hipótese, explique o mecanismo proposto, quais observações ela explicaria, quais achados a contradizem e qual experimento poderia testá-la.
9. Investigação das divergências
Quando relatos observacionais e estudos científicos não concordarem, não escolha automaticamente um lado.
Investigue possibilidades como:
Relatos influenciados por vieses.
Estudos com amostras insuficientes.
Diferenças de preparação e composição.
Doses ou duração inadequadas.
Populações com características diferentes.
Desfechos que não correspondem ao benefício relatado.
Efeitos presentes apenas em subgrupos.
Resultados que não se reproduzem em condições controladas.
Fatores ainda desconhecidos.
Avalie quais explicações possuem suporte real e quais são apenas possibilidades.
Um resultado inconclusivo não deve ser tratado como confirmação nem como refutação definitiva.
10. Apresentação obrigatória dos resultados
Organize a pesquisa nas seguintes seções:
A. Pergunta científica: definição do problema, desfechos e escopo.
B. Estratégia de busca: fontes consultadas, termos utilizados, critérios de seleção e limitações.
C. Hipóteses concorrentes: explicações possíveis, sem hierarquização prematura.
D. Evidências favoráveis: estudos, observações e mecanismos relevantes.
E. Evidências contrárias: resultados negativos, falhas de reprodução e explicações alternativas.
F. Relatos e conhecimentos tradicionais: padrões encontrados, independência e confiabilidade.
G. Auditoria metodológica: qualidade dos estudos e adequação das intervenções avaliadas.
H. Financiamento e interesses: vínculos demonstrados e lacunas de transparência.
I. Cruzamento de mecanismos: conexões entre diferentes áreas científicas e novas hipóteses.
J. Síntese provisória: o que foi demonstrado, o que permanece incerto e o que foi contradito.
K. Próximas investigações: experimentos, medidas ou estudos que poderiam resolver as principais dúvidas.
Inclua uma tabela dos trabalhos mais relevantes com título, autores, ano, DOI ou PMID, metodologia, amostra, intervenção, resultados e limitações.
Apresente links verificáveis para os trabalhos originais.
Não atribua certeza numérica arbitrária às hipóteses.
11. Autocrítica obrigatória
Antes da conclusão, realize uma auditoria da própria investigação.
Responda:
Quais evidências importantes podem ter ficado de fora?
Minha interpretação inicial influenciou a seleção das fontes?
Quais são os melhores argumentos contra a hipótese mais promissora?
Existe alguma hipótese alternativa que explique melhor os dados?
Estou confundindo correlação com causalidade?
Estou extrapolando resultados de animais ou células para humanos?
As fontes realmente sustentam as afirmações atribuídas a elas?
O que mudaria minha conclusão?
Quais perguntas permanecem sem resposta?
Corrija eventuais inconsistências identificadas.
12. Regras finais
Não priorize respostas rápidas em prejuízo da investigação.
Não procure estudos apenas para justificar uma conclusão previamente escolhida.
Não apresente hipóteses como tratamentos comprovados.
Não confunda a descoberta de um possível mecanismo com demonstração de segurança ou eficácia clínica.
Não invente dados, relações financeiras, resultados, citações ou referências.
Se a pesquisa não puder ser realizada com acesso a fontes externas, informe claramente a limitação em vez de fingir que executou buscas.
Quero uma investigação científica crítica, intelectualmente independente e aberta a resultados inesperados, inclusive quando eles contradisserem minhas próprias expectativas.
TEMA DA PESQUISA:
[DESCREVA AQUI A PLANTA, SUBSTÂNCIA, SINTOMA, MECANISMO OU HIPÓTESE QUE DESEJA INVESTIGAR]
_________________________________________________________________________________
Como usar na prática
Minha sugestão é salvar esse prompt e utilizá-lo na Pesquisa aprofundada do ChatGPT, principalmente para investigações grandes. Para questões menores, você pode utilizar o chat convencional, desde que tenha acesso à busca e à leitura das fontes originais.
Uma última observação importante: mesmo seguindo esse protocolo, a IA pode deixar de encontrar trabalhos, interpretar incorretamente resultados ou concordar excessivamente com o pesquisador. Esses riscos são discutidos na literatura científica sobre modelos de linguagem.
O protocolo é uma forma de reduzir essas falhas, não uma garantia de eliminá-las.
A ideia central dos dois materiais é a mesma: a IA não deve ser usada para escolher em qual versão acreditar, mas para descobrir qual explicação resiste melhor a uma investigação crítica.
Comentários
Postar um comentário