# Universidade de Évora ajuda a criar IA que vai buscar as respostas de saúde aos artigos científicos

> Em vez de confiar na memória de um modelo de linguagem, o sistema apresentado na competição BioASQ 2026 pesquisa a PubMed, recorta excertos de estudos e só depois responde. Pelo caminho descobriu que a ordem em que a IA lê a evidência mexe na resposta.

- Publicação: MEGAzine (https://megazine.pt/)
- Endereço: https://megazine.pt/inteligencia-artificial/universidade-de-evora-ajuda-a-criar-ia-que-vai-buscar-as-respostas-de-saude-aos
- Categoria: Inteligência Artificial
- Autoria: Fernanda M. Reis
- Publicado: 18 de novembro de 2026
- Etiquetas: Universidade de Évora, Saúde, BioASQ, PubMed, Modelos de linguagem

## Em resumo

- Paulo Quaresma, da Universidade de Évora, integra a equipa, com investigadores da NOVA de Lisboa e da Universidade de Tecnologia de Zhongyuan, na China.
- O sistema alarga a pergunta com sinónimos médicos do vocabulário MeSH, pesquisa a PubMed e usa só excertos de três frases dos dez artigos mais relevantes.
- Teve resultados de destaque na avaliação preliminar das perguntas de sim ou não e na qualidade dos resumos.
- A ordem em que os excertos são dados ao modelo influencia a qualidade das respostas.
- Eliminar por completo os erros e as respostas sem fundamento continua por resolver.

Uma equipa internacional com a participação da Universidade de Évora criou um sistema de inteligência artificial que responde a perguntas biomédicas a partir de excertos de artigos científicos, e não da memória de um modelo de linguagem, para travar as respostas inventadas que ainda surgem quando se pergunta a um chatbot sobre saúde.

O trabalho foi apresentado na edição de 2026 do [BioASQ](https://www.bioasq.org/), uma competição internacional que avalia sistemas de IA aplicados à literatura biomédica. A equipa junta Paulo Quaresma, investigador do VISTA Lab/Algoritmi e professor do Departamento de Informática da Universidade de Évora, a investigadores da Universidade NOVA de Lisboa e da Universidade de Tecnologia de Zhongyuan, na China.

O ponto de partida é um problema de linguagem. Uma doença, um gene ou um medicamento aparecem em artigos diferentes com sinónimos, siglas ou termos técnicos, e uma pesquisa por «ataque cardíaco» pode deixar de fora os estudos que só falam em «enfarte do miocárdio».

Por isso, o sistema começa por identificar os conceitos médicos da pergunta e acrescenta-lhes sinónimos e termos relacionados do MeSH, o vocabulário controlado da Biblioteca Nacional de Medicina dos Estados Unidos. Com a pergunta alargada, pesquisa na PubMed, escolhe os dez artigos mais relevantes e recorta deles excertos de três frases, no máximo. Só então entram os modelos de linguagem, que devolvem um sim ou não, um nome, uma lista ou um pequeno resumo, consoante o tipo de pergunta.

Segundo a universidade, a combinação dos sinónimos com a escolha criteriosa dos excertos deu resultados de destaque na avaliação preliminar das perguntas de sim ou não e na qualidade dos resumos. O comunicado não indica a posição da equipa na classificação nem que modelos de linguagem foram usados.

A conclusão mais curiosa é que a ordem pela qual os excertos chegam ao modelo mexe na qualidade das respostas, sinal de que não basta dar artigos científicos a uma IA, é preciso escolher e organizar o que ela lê.

A abordagem é parente da chamada geração aumentada por recuperação, que muitos assistentes usam para se agarrarem a documentos em vez de improvisarem, e pesa mais numa área onde um erro pode ter consequências sérias. Em outubro, um [estudo publicado na Science](https://megazine.pt/inteligencia-artificial/ia-da-microsoft-acerta-83-dos-casos-clinicos-dificeis-contra-36-dos-medicos-num) pôs um sistema da Microsoft a acertar 83% de casos clínicos difíceis, mas os bons resultados em testes controlados não garantem respostas certas a perguntas do dia a dia.

Os próprios investigadores admitem que eliminar por completo os erros e as respostas sem fundamento continua a ser um desafio. Para já, é um trabalho de investigação, e o comunicado não fala de nenhuma aplicação para o público, apenas de um possível apoio futuro a profissionais de saúde, investigadores e cidadãos.

Se um sistema destes chegar a ser usado para apoiar decisões clínicas, pode ter de cumprir o regulamento europeu dos dispositivos médicos e as regras de alto risco do AI Act, que exigem supervisão humana e documentação sobre os dados usados.
