Inteligência Artificial Generativa e Modelos de Linguagem de Grande Escala como ferramentas de apoio metodológico na pesquisa em saúde: uma análise bibliométrica

Resumo

Objetivo: Mapear a produção científica e as tendências temáticas do uso de inteligência artificial generativa (GenAI) e modelos de linguagem de grande escala (LLMs) como ferramentas de apoio metodológico na pesquisa em saúde.

Método: Estudo bibliométrico realizado em setembro de 2026 nas bases PubMed, Scopus e Web of Science. Os registros foram triados por meio de um pipeline híbrido (humano–IA) com apoio de um LLM segundo critérios previamente definidos e revisão humana. Os dados foram analisados no RStudio com uso do pacote bibliometrix e de sua interface biblioshiny.

Resultados: O corpus final compreendeu 552 documentos, distribuídos em 337 fontes, com idade média de 0,88 anos e taxa anual de crescimento de 70,7%. Os Estados Unidos concentraram o maior número de afiliações de autores, seguidos pela China. A literatura apresentou alta dispersão entre periódicos e forte concentração em autores ocasionais (89,2% com apenas uma publicação), além de modesta colaboração internacional (14,7%). O mapa temático revelou que os temas motores permanecem centrados no uso genérico de LLMs e ChatGPT, enquanto aplicações metodológicas específicas ainda não constituem agrupamentos consolidados.

Conclusão: O uso da GenAI e dos LLMs como apoio metodológico à pesquisa em saúde constitui um campo emergente e em rápida expansão, mas ainda desprovido de uma estrutura temática e de canais de publicação consolidados. A consolidação da área exige o estabelecimento de critérios normativos de validação, transparência no relato, supervisão humana estrita e letramento dos pesquisadores em inteligência artificial, garantindo a integridade das evidências científicas produzidas, com repercussões diretas na qualificação das práticas e na segurança do cuidado em saúde.