DO CÓDIGO À CLÍNICA: RELATO DA COCRIAÇÃO DE UMA ÁRVORE DECISÓRIA COM IA PARA O ENSINO DO RACIOCÍNIO DIAGNÓSTICO EM BACTERIOLOGIA

93 DO CÓDIGO À CLÍNICA: RELATO DA COCRIAÇÃO DE UMA ÁRVORE DECISÓRIA COM IA PARA O ENSINO DO RACIOCÍNIO DIAGNÓSTICO EM BACTERIOLOGIA Rodrigo Niskier Ferreira Barbosa - Medicina - [email protected] DOI 10.5281/zenodo.17498811 Um dos desafios mais persistentes na educação médica é a transposição da barreira entre o conhecimento teórico, adquirido em disciplinas básicas como a microbiologia, e sua aplicação prática no raciocínio clínico. A capacidade de integrar dados de anamnese, achados do exame físico e contexto epidemiológico para formular hipóteses diagnósticas é uma competência que exige prática deliberada em cenários realistas. Tradicionalmente, essa prática é reservada aos ciclos clínicos mais avançados, deixando uma lacuna nos períodos iniciais da formação. Suprir essa lacuna com metodologias ativas que permitam a simulação segura da tomada de decisão é, portanto, um objetivo pedagógico de alta relevância. Neste contexto, a ascensão da Inteligência Artificial (IA) generativa inaugura uma nova fronteira para a prática docente. Para além de seu uso por discentes, a IA emerge como uma poderosa ferramenta de desenvolvimento e prototipagem para educadores, atuando como uma parceira na cocriação de recursos de aprendizagem. Essa abordagem capacita o professor, especialista no conteúdo, a desenvolver artefatos pedagógicos interativos e personalizados, mesmo sem possuir conhecimento aprofundado em programação, democratizando a inovação em sala de aula (MISHRA; GLOVER, 2023). O presente trabalho relata uma experiência dessa natureza, conduzida com uma turma do terceiro período de Medicina no 94 semestre 2025.1, no componente curricular de Mecanismos de Agressão, Patológicos e de Defesa 1. O desafio consistia em criar uma ferramenta que permitisse aos alunos aplicar conceitos de introdução à bacteriologia em um cenário clínico simulado, logo após o contato inicial com a teoria. Assim, o objetivo deste resumo é descrever e analisar o processo de desenvolvimento e aplicação de uma árvore decisória diagnóstica interativa, em formato HTML, cocriada com a assistência da plataforma ChatGPT Plus, com foco nos eixos de inovação, criatividade e responsabilidade docente na curadoria do conteúdo. Metodologia: Este estudo caracteriza-se como um relato de experiência com abordagem qualitativa, focado no processo de criação e implementação de uma ferramenta de aprendizagem digital. O artefato pedagógico consiste em uma página web autocontida, programada em HTML, CSS e JavaScript, que apresenta um estudo de caso clínico interativo no formato de árvore decisória. O caso, relevante para o contexto de saúde pública do Nordeste brasileiro, descreve o atendimento de uma criança de 2 anos com quadro de diarreia aguda em uma área de saneamento precário, guiando o usuário por uma sequência de cinco pontos de decisão sobre manejo clínico, hipóteses diagnósticas e saúde pública. O núcleo da inovação metodológica reside no processo de cocriação da ferramenta. O docente atuou como o "arquiteto pedagógico e de conteúdo", sendo responsável pela curadoria do desenho da experiência de aprendizagem. Esta etapa incluiu: a elaboração do caso clínico completo; a definição dos pontos de decisão estratégicos; a formulação das opções de resposta, incluindo alternativas corretas e distratores plausíveis (erros comuns na prática clínica); e a redação dos feedbacks técnicos detalhados e imediatos para cada escolha, com justificativas e pontos de reflexão. A plataforma de IA generativa ChatGPT Plus foi, então, empregada como uma 95 "assistente de desenvolvimento de software". O docente forneceu comandos em linguagem natural, descrevendo a lógica da árvore decisória e o design visual desejado, e a IA gerou o código-fonte correspondente. O docente realizou a curadoria, o teste e os ajustes finos no código gerado, hospedando a versão final em uma plataforma de blog (Blogspot) para fácil acesso pelos alunos. A aplicação da ferramenta em sala de aula seguiu um fluxo de três etapas. Primeiramente, foi ministrada uma aula expositiva dialogada sobre os conceitos fundamentais de bacteriologia. Em seguida, os alunos foram orientados a acessar a página web em seus dispositivos e a percorrer o caso clínico, sendo incentivados a debater as opções em pequenos grupos antes de fazerem uma escolha. A natureza interativa da ferramenta permitiu que explorassem diferentes caminhos e aprendessem com os feedbacks imediatos. Por fim, como etapa de verificação da aprendizagem, os alunos foram direcionados ao ambiente virtual de aprendizagem (Blackboard) para responder a um questionário formativo sobre os principais conceitos e decisões abordados no caso clínico. Desenvolvimento: A experiência descrita materializa a transformação do papel docente na era digital, alinhandose a discussões sobre o educador como um "designer de experiências de aprendizagem" (KALANTZIS; COPE, 2020). Ao utilizar a IA como uma ferramenta para superar a barreira técnica da programação, o docente pôde concentrar-se em sua expertise principal – a pedagogia e o conteúdo clínico – para criar uma solução sob medida para as necessidades de sua turma. Essa abordagem subverte o modelo tradicional, no qual o professor é um mero consumidor de tecnologias educacionais desenvolvidas por terceiros, e o posiciona como um agente de inovação criativo e autônomo. Do ponto de vista teórico, a ferramenta de árvore decisória funciona como um modelo de 96 Aprendizagem Cognitiva (Cognitive Apprenticeship). Proposto por Collins, Brown e Newman (1987), este modelo defende que a aprendizagem de habilidades complexas ocorre de forma eficaz quando os novatos (alunos) observam e praticam as tarefas sob a orientação de um especialista (professor). A árvore decisória simula o processo de pensamento de um médico experiente, tornando o raciocínio clínico, uma atividade geralmente tácita e interna, em um processo explícito e observável. Os feedbacks imediatos para cada escolha atuam como o "coaching" do modelo, oferecendo andaimes e correção de curso em tempo real, permitindo que o aluno articule e reflita sobre suas próprias decisões. A estrutura da atividade também incorpora elementos de Gamificação, que têm se mostrado eficazes em aumentar o engajamento e a motivação na educação médica (GENTRY et al., 2019). A narrativa do caso clínico, os desafios apresentados nos pontos de decisão e o ciclo de feedback instantâneo criam uma experiência imersiva que incentiva a participação ativa. Fundamentalmente, a ferramenta estabelece um ambiente de "falha segura" (safe to fail), onde o erro não é punitivo, mas sim uma oportunidade explícita de aprendizado. Essa característica é crucial para o desenvolvimento da confiança e da competência clínica, permitindo que os alunos explorem as consequências de decisões inadequadas sem risco para um paciente real (SANTOS; ISOTANI, 2021). Por fim, a experiência é um caso emblemático do uso responsável da IA. A responsabilidade do docente manifestou-se na curadoria rigorosa de todo o conteúdo. O docente garantiu a precisão científica do caso, a relevância epidemiológica para a região, a adequação pedagógica dos feedbacks e a inclusão de um aviso sobre a natureza simulada da ferramenta. Este processo de validação humana é a salvaguarda essencial que garante a qualidade e a segurança no uso de tecnologias 97 de IA na educação em saúde (MASTERS, 2023). Impactos: O principal impacto observado foi um notável aumento no engajamento e na participação dos discentes. A natureza interativa e narrativa da árvore decisória capturou a atenção dos alunos de forma mais eficaz do que a revisão de casos estáticos em texto. A orientação para debater as opções em grupo gerou discussões ricas, nas quais os alunos precisavam argumentar e defender suas hipóteses, promovendo a aprendizagem colaborativa. O impacto mais significativo, contudo, foi na construção do raciocínio clínico. A ferramenta forçou os alunos a saírem da passividade da recepção de conteúdo e a aplicarem ativamente o conhecimento teórico para resolver um problema concreto, conectando sintomas, contexto socioambiental e agentes etiológicos potenciais. A estrutura de feedback imediato e a possibilidade de erro em um ambiente seguro foram cruciais. Observou-se que os alunos não temiam escolher uma opção incorreta; ao contrário, muitos exploraram intencionalmente os caminhos "errados" para entender o porquê daquela conduta ser inadequada. Essa exploração ativa dos erros consolidou o aprendizado de forma mais duradoura do que a simples memorização da "resposta certa". A avaliação formativa final, aplicada no Blackboard, indicou que os alunos que se engajaram com a ferramenta demonstraram uma maior capacidade de justificar as decisões clínicas corretas para o caso apresentado. Considerações Finais: A experiência de cocriar e aplicar uma árvore decisória diagnóstica com o auxílio da IA generativa demonstrou ser uma estratégia pedagógica inovadora, criativa e eficaz. A prática comprovou que é possível, para docentes sem formação em programação, desenvolverem recursos de aprendizagem digital sofisticados e personalizados, superando barreiras técnicas e financeiras. A principal lição aprendida é a reafirmação do papel do professor como o arquiteto 98 central da experiência de aprendizagem, utilizando a IA como uma ferramenta que amplifica sua capacidade criativa e produtiva, e não como uma substituta de sua expertise e discernimento. Reconhece-se, como limitação, que o processo de criação de um caso clínico de alta qualidade, com todos os seus ramos e feedbacks detalhados, ainda é uma atividade intelectualmente intensiva e que demanda tempo do docente. A escalabilidade da produção para a criação de uma vasta biblioteca de casos representa um desafio considerável. Como desdobramentos futuros, sugere-se a exploração de métodos para otimizar o processo de criação de casos, o desenvolvimento de uma biblioteca colaborativa de árvores decisórias entre docentes, e a integração de outros elementos multimídia (imagens, áudios) para aumentar ainda mais o realismo das simulações. Em suma, a experiência reforça um modelo de uso da IA que capacita o educador, enriquece a aprendizagem e promove o desenvolvimento de competências clínicas essenciais de forma responsável e engajadora. REFERÊNCIAS COLLINS, A.; BROWN, J. S.; NEWMAN, S. E. Cognitive apprenticeship: Teaching the crafts of reading, writing, and mathematics. In: RESNICK, L. B. (Ed.). Knowing, learning, and instruction: Essays in honor of Robert Glaser. Hillsdale, NJ: Lawrence Erlbaum Associates, 1989. p. 453-494. GENTRY, S. V. et al. Serious Gaming and Gamification Education in Health Professions: Systematic Review. Journal of Medical Internet Research, v. 21, n. 3, e12994, 2019. DOI: 10.2196/12994. KALANTZIS, M.; COPE, B. Adding Sense: Context and Interest in a Grammar of Multimodal Meaning. Cambridge: Cambridge University Press, 2020. 99 MASTERS, K. Ethical use of artificial intelligence in medical education: ensuring fairness, transparency, and accountability. Medical Science Educator, v. 33, p. 835–839, 2023. DOI: 10.1007/s40670-023-01802-9. MISHRA, P.; GLOVER, T. A. The teacher as a designer of learning environments: The role of TPACK. In: Handbook of Technological Pedagogical Content Knowledge (TPACK) for Educators. 2nd ed. Routledge, 2023. p. 25-42. SANTOS, C. C.; ISOTANI, S. Gamificação na Educação: um guia prático sobre como gamificar e engajar para a aprendizagem. Revista Brasileira de Informática na Educação, v. 29, p. 886-921, 2021. DOI: 10.5753/rbie.2021.29.0.886.