Banca de QUALIFICAÇÃO: CAMILA NARJARA SILVA DE SA MOURA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: CAMILA NARJARA SILVA DE SA MOURA
DATA : 18/06/2026
LOCAL: Remota: https://meet.google.com/urk-fhki-epg
TÍTULO:

DIAGNÓSTICO DO TEA NA ERA DA IA: COMO ASSISTENTES INTELIGENTES PODEM APOIAR A DECISÃO CLÍNICA

PALAVRAS-CHAVES:

Transtorno do Espectro Autista (TEA); Inteligência Artificial; Chatbot; Triagem; Apoio à decisão clínica; Engenharia Biomédica.

PÁGINAS: 192
RESUMO:

ContextoINTRODUÇÃO: O Transtorno do Espectro Autista (TEA) é um distúrbio do neurodesenvolvimento com prevalência crescente, mas cujo diagnóstico ainda enfrenta atrasos significativos, especialmente no contexto do Sistema Único de Saúde (SUS). A idade média para o diagnóstico permanece acima do ideal, e há carência de ferramentas padronizadas e acessíveis para triagem precoce. OBJETIVOS: desenvolver e avaliar um chatbot baseado na integração de duas inteligências artificiais (DeepSeek e Qwen) capaz de identificar possíveis sinais sugestivos de TEA por meio de interações dialógicas orientadas por prompts, gerando relatórios descritivos para auxiliar profissionais de saúde na triagem e no encaminhamento clínico. METODOLOGIA: Pesquisa de desenvolvimento tecnológico e validação de conteúdo. Foram elaborados prompts para direcionar as IAs a atuarem como entrevistadoras clínicas, explorando domínios do TEA conforme DSM-5 (comunicação social, comportamentos repetitivos e aspectos sensoriais). Os materiais foram analisados qualitativamente quanto à coerência clínica, alinhamento com critérios diagnósticos e utilidade para o raciocínio clínico. RESULTADOS: Os instrumentos de triagem produzidos mostraram-se alinhados ao DSM-5 e à CID-11, com fluxos claros de encaminhamento e linguagem adaptada ao SUS. Os casos clínicos gerados abrangeram amplo espectro do TEA, desde perfis com atraso severo de comunicação até perfis de dupla excepcionalidade (altas habilidades e interesses restritos). A DeepSeek produziu relatórios mais estruturados e diagnósticos; a Qwen gerou narrativas mais fenomenológicas e descritivas. A ferramenta demonstrou potencial para padronizar a coleta de dados, reduzir subjetividade e ampliar o acesso à triagem precoce. CONCLUSÃO: É viável empregar grandes modelos de linguagem na construção de assistentes conversacionais para triagem de TEA. A engenharia de prompts e a integração de diferentes IAs produzem ferramentas clinicamente relevantes. Contudo, tais tecnologias não substituem o julgamento clínico, devendo ser usadas como apoio ético, centrado no paciente e culturalmente sensível. Trabalhos futuros devem incluir validação clínica com especialistas e pacientes reais, estudos de usabilidade e adaptação para diferentes realidades socioculturais.

MEMBROS DA BANCA:
Interna - 3727505 - GISELLE MACHADO MAGALHAES MORENO
Interno - 1807632 - WELLINGTON PINHEIRO DOS SANTOS
Externa à Instituição - ANA CLARA GOMES DA SILVA - UFPE
Externo à Instituição - FLÁVIO SECCO FONSECA - UFPE