Precisão do monitor de pressão arterial do ChatGPT fica aquém em novo estudo sobre IA

A precisão do ChatGPT para monitores de pressão arterial caiu para apenas 63% em um novo estudo que abrangeu 324 dispositivos domésticos. Microsoft Copilot e Perplexity também tiveram dificuldades, enquanto o Google Gemini produziu respostas incorretas em cerca de 9% a 14% dos testes.

As conclusões preliminares desafiam uma suposição comum sobre a busca com IA. Um chatbot pode localizar um registro oficial de dispositivos, citá-lo e ainda assim interpretar de forma equivocada o significado da listagem. Essa lacuna importa quando consumidores usam ferramentas conversacionais para fazer compras relacionadas à saúde.

O estudo não estabelece que todas as respostas de chatbots sejam inseguras. Ele mostra, porém, que respostas bem elaboradas podem ocultar recuperação de informação e raciocínio inconsistentes. Para compradores, a opção mais segura continua sendo consultar um registro reconhecido e discutir a escolha do dispositivo com um profissional de saúde.

O que revelou o teste com 324 dispositivos

Quatro ferramentas líderes de IA classificaram repetidamente de forma incorreta monitores de pressão arterial cujo status de validação os pesquisadores puderam verificar de maneira independente.

Pesquisadores testaram 324 monitores domésticos de pressão arterial no Canadá entre abril e maio de 2026. A amostra incluiu 145 dispositivos validados e 179 dispositivos que não haviam sido validados.

A equipe reuniu os dispositivos a partir de três registros reconhecidos, uma lista de produtos conhecidos por não terem validação e listagens de varejistas online. A amostra do varejo incluiu monitores de braço populares vendidos pela Amazon no Canadá, na Austrália e nos Estados Unidos.

Cada dispositivo foi verificado usando ChatGPT, Google Gemini, Microsoft Copilot e Perplexity. Os pesquisadores fizeram a cada ferramenta três versões da mesma pergunta básica.

O primeiro prompt se assemelhava a uma pergunta de um consumidor comum. O segundo orientava a ferramenta a consultar um registro de validação específico. O terceiro fornecia mais detalhes e exigia uma resposta de uma única palavra.

Segundo o estudo sobre dispositivos de IA, o Gemini respondeu corretamente entre 86% e 91% das vezes. ChatGPT, Copilot e Perplexity registraram precisão entre aproximadamente 63% e 83%.

Essas faixas variaram conforme o prompt. Elas também mostram por que um único número de destaque não consegue descrever todos os modelos ou condições de teste.

Os pesquisadores identificaram outro padrão preocupante. As quatro ferramentas tiveram desempenho pior ao identificar monitores de pressão arterial validados do que ao avaliar produtos não validados.

O resultado parece contraintuitivo. Dispositivos validados já passaram por testes independentes e aparecem em registros estruturados e acessíveis ao público.

Os chatbots às vezes localizaram a página oficial relevante, mas não trataram a inclusão como evidência de validação. Em outros casos, informaram incorretamente aos usuários que dispositivos listados não atendiam aos padrões clínicos.

A apresentadora do estudo, Anna Soriano, residente de medicina interna da Universidade de Montreal, afirmou que a maioria das ferramentas teve desempenho apenas ligeiramente superior ao acaso. Ela observou que até o Gemini teve dificuldades com informações prontamente disponíveis.

O estudo também avaliou a consistência. Os pesquisadores selecionaram 20% dos dispositivos que produziram respostas divergentes e repetiram as perguntas com três avaliadores.

Essas verificações de acompanhamento ocorreram em computadores e dias diferentes, principalmente durante maio de 2026. A mesma ferramenta frequentemente retornava uma resposta diferente para a mesma pergunta.

Essa variabilidade é central para a conclusão. Uma recomendação de chatbot pode parecer definitiva mesmo quando o resultado subjacente muda entre sessões.

O trabalho foi apresentado nas Hypertension Scientific Sessions 2026 da American Heart Association, em Arlington, Virgínia. Ele continua sendo um resumo de conferência, e não um artigo completo revisado por pares.

Essa distinção limita o quão amplamente os resultados devem ser aplicados. Ainda assim, a escala e o desenho com prompts repetidos oferecem um alerta relevante sobre a seleção de dispositivos com assistência de IA.

Por que a precisão do ChatGPT para monitores de pressão arterial importa

Uma resposta errada sobre um produto pode afetar as medições que pacientes e profissionais de saúde usam para tomar decisões de tratamento.

Um monitor doméstico de pressão arterial não é validado apenas porque liga, exibe números plausíveis ou recebe avaliações favoráveis de clientes. Validação significa que testes independentes concluíram que suas leituras são suficientemente precisas segundo um protocolo reconhecido.

Esse status importa porque as leituras de pressão arterial orientam diagnósticos, mudanças de medicação e a gestão de riscos no longo prazo. Um erro de medição consistente pode criar um registro enganoso sobre a saúde de uma pessoa.

Um monitor impreciso pode produzir leituras aparentemente altas demais. Isso pode gerar ansiedade, consultas desnecessárias ou discussões inadequadas sobre tratamento.

Um monitor que registra valores baixos demais cria um risco diferente. Ele pode fazer uma hipertensão não controlada parecer estável e atrasar uma resposta clínica necessária.

As implicações vão além de uma única medição. Muitos pacientes registram leituras por dias ou semanas antes de compartilhá-las com um profissional de saúde.

Um erro sistemático do dispositivo passa então a se tornar um padrão no registro do paciente. O volume de medições pode fazer esse padrão parecer mais confiável, embora tenha sido causado pelo instrumento.

Mais de 125 milhões de adultos americanos têm pressão arterial elevada, segundo as estatísticas de 2026 da American Heart Association citadas no estudo. Isso representa aproximadamente 47% da população adulta.

Apenas cerca de um quarto dos adultos afetados tem a pressão arterial dentro da faixa-alvo citada pela associação. A medição doméstica, portanto, dá suporte a uma população ampla e clinicamente importante.

A atual diretriz de pressão arterial recomenda utilizar um dispositivo doméstico cuja precisão tenha sido validada. Ela também insere o monitoramento doméstico em um processo de cuidado mais amplo, em vez de tratar o dispositivo como um sistema de diagnóstico autônomo.

Erros de chatbots podem interferir antes mesmo do início da medição. Um consumidor pode perguntar qual braçadeira comprar, se um modelo existente é validado ou se dois produtos com nomes semelhantes são equivalentes.

Os nomes dos modelos criam outra fonte de confusão. Um fabricante pode vender vários dispositivos cujos nomes diferem por apenas algumas letras ou identificadores regionais.

A validação geralmente se aplica a um modelo específico, e não a todos os produtos que carregam a mesma marca. Um chatbot que generaliza entre uma família de produtos pode, portanto, fornecer uma resposta confiante, mas incorreta.

É nesse ponto que a precisão do ChatGPT para monitores de pressão arterial se torna mais do que uma pontuação de referência. A resposta pode influenciar qual instrumento gera os dados médicos usados posteriormente.

O risco não exige comportamento malicioso nem uma alegação obviamente falsa. Ele pode surgir de um pequeno erro de identificação inserido em uma explicação fluente e útil.

O alerta do estudo também alcança os profissionais de saúde. Pacientes chegam cada vez mais com informações obtidas por ferramentas de IA de uso geral, assim como antes levavam resultados de busca e avaliações online.

Um profissional pode não saber qual prompt o paciente utilizou ou qual versão do modelo respondeu. A resposta também pode não ter uma trilha de fontes estável que outra pessoa consiga reproduzir.

Keith Ferdinand, professor da Tulane University e vice-presidente da diretriz de 2025 da associação, recomendou cautela em relação à tomada de decisões clínicas com IA. Ele não participou da pesquisa.

Sua posição abre espaço para uma IA médica útil, ao mesmo tempo que estabelece um limite para decisões sem respaldo. Chatbots podem ajudar a organizar perguntas, mas não devem substituir a verificação de um dispositivo de medição.

A busca por IA perdeu para os registros aos quais já podia acessar

A falha central não foi a ausência de conhecimento médico. Foi a interpretação pouco confiável de uma simples consulta a um registro.

Três registros importantes embasaram o estudo: ValidateBP, STRIDE BP e Hypertension Canada. Esses recursos identificam monitores específicos que passaram por testes de validação reconhecidos.

Consumidores nos Estados Unidos podem pesquisar o registro gratuito de dispositivos validados. O site foi concebido para restringir o mercado a modelos com evidências documentadas que sustentem a precisão de suas medições.

A internacional lista de validação de dispositivos oferece outra referência estruturada. Ela organiza monitores por caso de uso e inclui detalhes que ajudam a distinguir os modelos.

Uma busca em registro é mais restrita do que uma consulta aberta a um chatbot. Ela pergunta se um produto exato aparece em uma coleção controlada criada para essa finalidade.

Um assistente de IA de uso geral lida com uma cadeia mais complicada. Ele precisa identificar o dispositivo, recuperar o registro correto, interpretar a listagem e expressar o resultado com precisão.

Qualquer elo dessa cadeia pode falhar. A ambiguidade no nome do produto pode levar o modelo a recuperar um dispositivo relacionado, em vez do modelo solicitado.

A classificação de resultados pode favorecer páginas de varejistas, avaliações ou descrições de fabricantes em vez de registros. O modelo pode então combinar essas fontes em uma resposta sem preservar seus diferentes valores de evidência.

Mesmo uma recuperação bem-sucedida não garante uma interpretação correta. O novo estudo identificou casos em que uma ferramenta localizou uma listagem oficial, mas não reconheceu essa listagem como prova de validação.

Essa lacuna se assemelha a um problema de ancoragem em dados. Ancoragem significa vincular uma resposta a uma fonte externa definida e preservar o que essa fonte realmente estabelece.

Um chatbot pode citar uma página sem estar totalmente ancorado em seu significado. Portanto, a presença de uma citação não equivale à fidelidade da citação.

O problema se torna mais difícil quando uma resposta combina várias páginas da web. Um varejista pode descrever um monitor como clinicamente preciso, enquanto um registro lista apenas um modelo diferente.

O chatbot pode unir ambos os registros em uma narrativa fluida. Seu tom pode ocultar a incompatibilidade de identidade ainda não resolvida.

Esse mecanismo ajuda a explicar por que prompts detalhados melhoraram alguns resultados sem eliminar os erros. Direcionar uma ferramenta para um registro reduz o espaço de busca, mas não garante a correspondência correta do modelo.

O contraste entre a busca por IA e a consulta ao registro é a principal tensão do artigo. A IA conversacional promete uma rota mais simples através de informações dispersas, mas a fonte autorizada já era simples e gratuita.

A IA agrega valor quando sintetiza material complexo ou ajuda usuários a formular perguntas. Neste caso, a síntese introduziu outro ponto de falha em uma tarefa de verificação binária.

Isso não torna a busca por IA inútil para pesquisas de saúde. Significa que o papel da ferramenta deve corresponder à tolerância a erros da tarefa.

Um chatbot pode ajudar a elaborar uma lista curta de recursos, explicar o tamanho da braçadeira ou redigir perguntas para uma consulta médica. A verificação final de validação ainda deve ocorrer no registro.

Essa separação é prática. Os usuários não precisam rejeitar inteiramente a assistência de IA, mas não devem delegar a consulta decisiva.

A mesma lição se aplica além das braçadeiras de pressão arterial. Produtos de saúde frequentemente têm números de modelo precisos, versões específicas por região e evidências que se aplicam apenas a populações específicas.

Um assistente que deixa passar um único sufixo pode transferir evidências de um produto para outro. Esse erro continua difícil de detectar quando o texto final soa autoritativo.

Prompts melhores não tornaram as respostas confiáveis

A especificidade dos prompts alterou o desempenho, mas não transformou nenhum chatbot testado em uma ferramenta de verificação consistentemente confiável.

Os pesquisadores usaram três estilos de prompt porque usuários comuns fazem perguntas de maneiras diferentes. Alguns fornecem apenas o nome de um produto, enquanto outros solicitam uma verificação em uma fonte específica.

O prompt mais restrito adicionou detalhes e solicitou uma resposta de uma palavra. Esse formato reduziu o espaço para explicações, mas não eliminou erros de recuperação de informações ou de classificação.

Uma resposta curta pode até ocultar a incerteza. “Sim” não oferece nenhum rastro visível que mostre se a ferramenta encontrou o modelo exato ou fez uma inferência a partir de um dispositivo relacionado.

Uma resposta mais longa cria um problema diferente. Ela pode incluir ressalvas e links e, ainda assim, chegar à conclusão errada.

Os usuários frequentemente tratam a engenharia de prompts como uma solução para a confiabilidade dos chatbots. O estudo sugere que uma formulação melhor ajuda apenas dentro de certos limites.

Um prompt pode dizer ao modelo onde procurar. Ele não consegue garantir que o serviço acesse a página atual, resolva cada identificador de modelo ou interprete corretamente o registro.

Os testes repetidos também contestam a ideia de que os usuários podem refinar uma resposta até que ela se torne confiável. A mesma pergunta às vezes produziu resultados diferentes em dias ou computadores distintos.

Essa inconsistência reflete a natureza probabilística dos sistemas generativos. As respostas podem variar conforme atualizações do modelo, resultados de busca, contexto e configurações no nível do sistema indisponíveis ao usuário.

Foram usadas sessões de navegação privada para reduzir a influência de buscas anteriores. No entanto, os pesquisadores reconheceram que esse método não poderia isolar completamente todas as fontes de variação.

A precisão do ChatGPT para monitores de pressão arterial deve, portanto, ser entendida como um alvo móvel. A faixa relatada descreve o período testado, os dispositivos, os prompts e as versões de modelo disponíveis.

Ela não prova que uma sessão atual reproduzirá a mesma porcentagem. Tampouco garante que futuras atualizações dos modelos melhorarão cada busca por produto.

Pesquisas anteriores apresentam um contraste útil. Um estudo de 2024 que comparou ChatGPT e Bing em uma lista de verificação de conhecimentos sobre monitoramento doméstico encontrou resultados fortes para orientações gerais de medição.

Nesse estudo sobre monitoramento doméstico, cardiologistas avaliaram altamente as respostas do ChatGPT em precisão e completude. As perguntas abordavam conhecimentos sobre medir e controlar a pressão arterial em casa.

Os dois estudos examinam capacidades diferentes. Explicar orientações padronizadas não é o mesmo que confrontar centenas de modelos de produtos com registros em constante mudança.

Um modelo pode responder corretamente a perguntas amplas e falhar na verificação exata de entidades. Essa distinção muitas vezes se perde quando as pessoas descrevem um chatbot como médica ou não medicamente preciso.

A precisão médica de um chatbot de IA depende da tarefa, da estrutura das fontes, do prompt e da precisão exigida. O desempenho na educação de pacientes não pode justificar automaticamente a seleção de produtos.

O inverso também é verdadeiro. Uma classificação ruim de dispositivos não prova que toda explicação sobre hipertensão produzida pelo mesmo modelo esteja errada.

Essa visão específica por tarefa oferece um padrão melhor para compradores e profissionais clínicos. Eles devem perguntar qual operação o modelo precisa realizar e como um erro afetaria o usuário.

Para uma preparação de baixo risco, a velocidade de um chatbot pode justificar correções ocasionais. Para selecionar um instrumento médico, a verificação independente continua barata e acessível.

Portanto, o melhor prompt não substitui uma verificação da fonte. Um fluxo de trabalho mais seguro pede contexto ao chatbot e, em seguida, confirma o dispositivo exato em outro lugar.

Os usuários devem registrar o fabricante, o número completo do modelo, o tipo de braçadeira e a população de usuários pretendida. Em seguida, podem comparar esses detalhes com a entrada do registro.

Pessoas grávidas, com tamanhos de braço incomuns ou que precisam de um dispositivo para uma criança podem exigir validação específica para aquela população. Uma listagem geral não deve ser extrapolada além do que suas evidências abrangem.

Um médico ou farmacêutico pode ajudar quando os nomes dos modelos permanecem ambíguos. Também pode confirmar se a braçadeira escolhida se adequa ao plano de monitoramento do paciente.

O Estudo É um Alerta, Não um Veredito Final

As conclusões identificam um problema real de verificação, mas as evidências continuam preliminares e envelhecerão rapidamente à medida que os serviços de IA mudam.

A pesquisa foi apresentada como um pôster moderado em uma reunião científica. Resumos de conferências passam por revisão para apresentação, mas não equivalem a artigos de periódicos revisados por pares.

Um artigo completo forneceria mais detalhes metodológicos. Os leitores precisam das versões dos modelos, dos prompts exatos, de matrizes de confusão por ferramenta e de definições para respostas ambíguas.

A divulgação pública informa faixas de precisão, mas não expõe todos os resultados por modelo. Ela também não mostra como os erros se dividiram entre falsos positivos e falsos negativos.

Essa diferença importa. Aprovar incorretamente um monitor não validado cria um risco diferente para o consumidor do que rejeitar um monitor validado.

Uma aprovação falsa pode direcionar o comprador para um dispositivo sem evidências reconhecidas de precisão. Uma rejeição falsa pode restringir desnecessariamente as opções e prejudicar a confiança em um produto adequado.

O estudo incluiu produtos de múltiplas fontes e mercados. Essa abrangência é valiosa, mas a nomenclatura regional e a disponibilidade podem dificultar a identificação dos dispositivos.

Listagens de varejistas podem mudar rapidamente. Os fabricantes também podem introduzir revisões cujos nomes se assemelham aos de produtos mais antigos.

Outra limitação decorre do momento dos testes. As ferramentas foram testadas em abril e maio de 2026, enquanto as conclusões apareceram em outubro.

Os serviços de IA mudam com frequência por meio de substituições de modelos, atualizações de recuperação de informações e revisões de interface. Um teste posterior poderia produzir classificações ou padrões de erro diferentes.

No entanto, mudanças rápidas não eliminam a preocupação. Elas tornam a reprodução independente mais importante, porque os usuários não podem presumir um comportamento estável.

O resultado de liderança do Gemini também merece interpretação cuidadosa. Uma faixa de precisão de 86% a 91% é substancialmente melhor do que as pontuações mais baixas relatadas.

Ainda assim, ela implica respostas incorretas em aproximadamente um de cada sete a onze testes. Essa taxa de erro continua relevante para uma decisão binária sobre dispositivos médicos.

O estudo não examinou se os usuários seguiram as recomendações ou sofreram danos. Ele mediu a precisão das respostas, não desfechos clínicos.

Portanto, alegações sobre diagnósticos equivocados ou tratamentos inadequados devem ser apresentadas como riscos plausíveis, e não como resultados observados neste projeto.

Soriano explicou claramente o caminho. Uma resposta imprecisa de IA pode levar alguém a confiar em um dispositivo inadequado, o que pode então afetar as medições e as discussões sobre tratamento.

Esse mecanismo é crível, mas pesquisas futuras devem testar o comportamento real dos consumidores. Os pesquisadores devem examinar se citações, alertas ou links para registros alteram as decisões de compra.

O estudo também não consegue determinar exatamente por que os sistemas enfrentaram dificuldades. Possíveis explicações incluem correspondência fraca de produtos, indexação incompleta, dados de busca desatualizados e interpretação falha.

Sem registros do sistema, pesquisadores externos não podem atribuir cada erro à recuperação, ao raciocínio ou à geração de respostas. As próprias empresas detêm grande parte dessas informações de diagnóstico.

Nenhum dos quatro provedores parece ter emitido uma resposta técnica detalhada dentro da divulgação de pesquisa citada. Suas futuras mudanças de produto importarão mais do que garantias gerais.

Melhorias úteis incluiriam desambiguação de modelos exatos, recuperação estruturada de registros, carimbos de data e hora visíveis e incerteza explícita quando não houver correspondência.

Uma consulta sobre um produto médico também deve distinguir entre “não encontrado” e “não validado”. Esses resultados não são equivalentes.

Não localizar um produto pode refletir um erro de ortografia, um nome regional de modelo, um índice desatualizado ou a ausência de registro. Isso não prova, por si só, que o dispositivo não foi validado.

Essa distinção oferece uma referência concreta para futuros testes de precisão médica de chatbots de IA. Os sistemas devem se abster quando as evidências não sustentarem uma resposta binária.

Três Sinais Mostrarão se as Recomendações de IA sobre Dispositivos Melhoram

O próximo teste é saber se as empresas de IA conseguem tornar a verificação de produtos de saúde reproduzível, vinculada à fonte e transparente.

O primeiro sinal é a publicação do estudo completo revisado por pares. Espera-se que o artigo revele detalhes que a divulgação da conferência não pode fornecer.

Pesquisadores e empresas de IA precisam de prompts exatos, versões dos modelos, resultados por dispositivo e categorias de erro. Esses detalhes mostrarão se as falhas se concentram em produtos pouco conhecidos ou afetam modelos amplamente vendidos.

Uma matriz de confusão completa também revelaria se as ferramentas aprovam com mais frequência dispositivos não validados ou rejeitam monitores de pressão arterial validados. Essa distinção tornaria a avaliação de risco mais precisa.

Se a revisão por pares confirmar o padrão relatado, o alerta se tornará mais forte. Grandes correções metodológicas ou resultados mais limitados enfraqueceriam conclusões mais amplas.

O segundo sinal é uma resposta de produto da OpenAI, Google, Microsoft ou Perplexity. A mudança mais significativa conectaria respostas sobre dispositivos de saúde diretamente a fontes estruturadas e autoritativas.

Uma interface útil poderia mostrar o modelo exato correspondente, o registro, a população de validação e a data da verificação. Ela também deveria exibir incerteza quando os identificadores não coincidirem.

A simples adição de um aviso médico genérico não resolveria o problema testado. A falha ocorreu na identificação do produto e na interpretação das evidências.

Uma resposta mais robusta tornaria a consulta reproduzível. Dois usuários que fizerem exatamente a mesma pergunta devem receber o mesmo resultado vinculado à fonte.

Testes independentes devem então examinar a precisão do ChatGPT para monitores de pressão arterial após essas mudanças. A melhoria deve persistir entre sessões, em vez de aparecer em uma única demonstração selecionada.

O terceiro sinal é a adoção, por consumidores e profissionais clínicos, de hábitos de verificação direta. Os registros só protegem os usuários quando as pessoas sabem que eles existem e conseguem corresponder os produtos corretamente.

Os profissionais clínicos podem apoiar esse processo recomendando modelos exatos ou verificando o dispositivo do paciente durante uma consulta. Os varejistas também podem exibir com mais clareza o status reconhecido de validação.

Assistentes de IA podem direcionar os usuários ao registro autoritativo sem fingir substituí-lo. Isso preservaria a conveniência da conversa e manteria visíveis as evidências decisivas.

Por enquanto, qualquer pessoa que escolha um monitor doméstico deve verificar o número completo do modelo em um registro reconhecido. O usuário também deve confirmar o ajuste da braçadeira e a técnica de medição com um profissional de saúde.

Use chatbots para organizar perguntas, comparar recursos não clínicos ou entender termos desconhecidos. Não trate uma resposta fluente como prova de que um dispositivo médico passou por testes independentes.

O maior teste para a IA médica não é saber se ela consegue soar confiante. É saber se os usuários conseguem rastrear, reproduzir e questionar a resposta antes de agir com base nela.