A pergunta não é mais se o fisioterapeuta pediátrico vai usar IA generativa na redação de laudos, planos e cartilhas — é como vai usar sem ferir a Resolução 573/2022 do COFFITO, a LGPD e a própria responsabilidade técnica. Este guia é para quem quer ganhar tempo em documentação sem terceirizar decisão clínica para um algoritmo.
O texto assume que você já entende o básico de fisio pediátrica e quer o recorte ético-operacional: o que a norma permite, onde a IA erra previsivelmente, como configurar um fluxo LGPD-compliant e como escrever prompts que devolvam rascunho aproveitável — não ficção clínica.
O Que a Resolução 573/COFFITO Permite (e o que veda) Sobre IA na Prática
A Resolução COFFITO nº 573/2022 reconhece o uso de tecnologias de informação e comunicação, incluindo sistemas com inteligência artificial, como ferramentas de apoio ao fisioterapeuta. O ponto-chave para escrita de laudos é o princípio da indelegabilidade do ato profissional: a IA pode auxiliar na organização, sistematização e redação, mas a decisão clínica, o diagnóstico cinético-funcional e a assinatura permanecem do profissional inscrito no CREFITO.
Traduzindo para a prática de documentação:
- Permitido: usar LLM para estruturar rascunho de laudo, sugerir redação técnica, organizar achados em CIF, gerar versão didática para família.
- Permitido: usar IA para checar consistência interna do texto, sugerir referências de escalas, revisar linguagem.
- Vedado: qualquer forma que caracterize ato profissional sem supervisão humana — laudo enviado direto do LLM ao pediatra, plano terapêutico assinado sem revisão linha a linha, comunicação clínica automatizada com pais sem filtro do fisio.
- Vedado: uso que dilua a responsabilidade técnica. O algoritmo não responde por erro — você responde. Não existe defesa ética do tipo "a IA escreveu".
A Resolução 573 também reforça deveres de segurança da informação e respeito ao sigilo profissional (Código de Ética, Resolução 424/2013), o que conecta diretamente com a próxima peça: LGPD.
Casos de Uso Legítimos — Rascunho de Laudo, Alta, Plano Terapêutico, Cartilha Familiar
Onde a IA generativa agrega valor real na fisio pediátrica sem cruzar linhas éticas:
1. Rascunho de laudo craniométrico
Você preenche a ficha com DAP, DBA, DAPD, DAPE, calcula CVAI e IC, define classificação. A IA transforma esse conjunto numérico + observação clínica em parágrafo estruturado por CIF (estrutura corporal → função → atividade → participação). Você revisa, ajusta nuances, assina.
2. Relatório de alta / evolução
A partir das evoluções de 15-20 sessões, a IA sumariza trajetória, compara medidas iniciais vs finais, sugere linguagem para o encaminhador (pediatra, neuropediatra). Ganho de tempo real: 40-60 minutos por relatório.
3. Plano terapêutico
Você define objetivos SMART e frequência. A IA organiza em cronograma legível, sugere linguagem para contrato de tratamento, ajusta tom para a família. Decisões clínicas permanecem suas.
4. Cartilha familiar / orientação de posicionamento
Caso de uso mais confortável eticamente: material educativo derivativo, não é ato clínico individual. IA pode gerar texto acessível sobre tummy time, alternância de decúbito, sinais de alerta — você revisa e imprime.
Assimetrix já traz IA aplicada de forma ética — rascunho de laudo e cartilha gerados a partir dos seus dados clínicos, com disclaimer em tela e revisão obrigatória antes de exportar. Testar grátis por 14 dias →
Casos Vedados — Diagnóstico Autônomo, Prescrição Sem Revisão, Comunicação Direta com Família Sem Filtro
Onde a linha ética-normativa é ultrapassada:
- Diagnóstico cinético-funcional autônomo: jogar a anamnese no ChatGPT e usar a hipótese diagnóstica dele sem raciocínio clínico próprio. Isso é delegação de ato privativo — infração à Resolução 573 e ao Código de Ética.
- Prescrição terapêutica sem revisão linha a linha: "a IA sugeriu 10 sessões de reposicionamento" não é conduta. Você prescreve, você justifica.
- Chatbot respondendo pais em tempo real sem filtro: comunicação clínica com responsáveis por menor é ato profissional. IA como triagem inicial de dúvida operacional (horário, endereço) é ok; IA respondendo "o crânio do meu bebê tá pior?" sem passar pelo fisio, não.
- Interpretação de imagem sem laudo humano: mesmo que o LLM tenha visão computacional, a interpretação de escanometria, foto craniana ou vídeo do desenvolvimento motor é ato do fisio.
- Encaminhamento gerado e enviado automaticamente: qualquer documento que sai da clínica com sua identificação profissional passou pelos seus olhos e assinatura consciente.
Onde a IA Erra (Alucinação, Confusão de Termos, Vieses)
LLMs erram de forma previsível e sistemática. Conhecer os padrões de erro é pré-requisito ético para uso clínico.
Hallucination (alucinação)
O modelo gera com confiança total informação factualmente falsa: cita escala inexistente, atribui achado errado a autor real, inventa faixa de referência para CVAI. Frequência típica em contexto clínico especializado: 5-15% das saídas contêm ao menos uma afirmação factualmente incorreta. Mitigação: revisão factual obrigatória e uso de RAG (Retrieval Augmented Generation) apontando para base própria validada.
Confusão de terminologia
LLMs generalistas confundem plagiocefalia posicional com craniossinostose, torcicolo muscular congênito com postural, escalas AIMS com Bayley. Erros terminológicos em texto que parece técnico são especialmente perigosos porque passam despercebidos em leitura rápida.
Vieses de treinamento
Modelos treinados majoritariamente em literatura adulta e anglófona subrepresentam pediatria e realidade SUS. Podem sugerir condutas inadequadas à faixa etária, referências brasileiras desatualizadas, ou aplicar diretrizes americanas onde protocolo nacional diverge.
Sobreconfiança linguística
O texto gerado soa seguro e fluido mesmo quando está errado — isso induz o revisor humano a subestimar a necessidade de checagem. Padrão psicológico documentado: quanto melhor a prosa, menor o escrutínio.
LGPD e IA — Por Que ChatGPT Público NÃO Serve pra Dados de Menores
Este é o ponto onde a maior parte dos fisios pediátricos está tecnicamente infringindo a lei sem saber.
A Lei 13.709/2018 (LGPD) classifica dados de saúde como dados pessoais sensíveis (art. 5º, II). Dados de crianças e adolescentes recebem proteção adicional (art. 14): o tratamento exige consentimento específico e em destaque dado por pelo menos um dos pais ou responsável legal, e deve ser realizado no melhor interesse da criança.
Ao colar anamnese pediátrica identificada (nome, data de nascimento, achados clínicos) em ChatGPT/Gemini/Claude versões gratuitas ou pessoais, você:
- Transfere dado sensível de menor a operador estrangeiro sem base legal específica.
- Autoriza (por Termos de Uso padrão) uso desses dados para treinamento de modelos futuros em várias configurações.
- Perde o controle de exclusão — não há garantia de deleção efetiva.
- Fere o dever de sigilo profissional (Resolução COFFITO 424/2013).
O consentimento do responsável, mesmo que exista, tipicamente não cobre "colar dados do meu filho em serviço de IA americano gratuito". A ANPD pode autuar; o CREFITO pode instaurar ético-disciplinar.
Setup Ético — Ambiente LGPD-Compliant, Anonimização, Revisão Profissional
Três caminhos, do mais simples ao mais robusto:
Nível 1 — Anonimização manual + IA pública
Antes de colar qualquer texto no LLM público, remova: nome completo, data de nascimento exata (use "lactente 4 meses"), nome dos pais, endereço, número de prontuário. Substitua por placeholders ("[PACIENTE]", "[MÃE]"). Aceitável para rascunho genérico, insuficiente para documentação recorrente em volume.
Nível 2 — API paga com política de não-treinamento
APIs corporativas (OpenAI Enterprise, Anthropic Claude for Business, Azure OpenAI) oferecem contrato que proíbe uso dos seus dados para treinamento, com processadores no exterior mas garantias contratuais compatíveis com LGPD. Ainda assim, DPA (Data Processing Agreement) explícito é obrigatório.
Nível 3 — Sistema clínico com IA integrada e LGPD-compliant
Ferramenta específica de fisio que já traz: base legal declarada, DPA com o provedor de IA, dados armazenados no Brasil ou em jurisdição adequada, anonimização automática antes do envio ao LLM, disclaimer em tela, log de revisão profissional, direito de exclusão operacional. É o caminho de menor fricção e maior segurança.
Em qualquer nível: revisão profissional integral antes de exportar/imprimir/assinar. Sem exceção.
Prompt Engineering pra Fisio — Como Extrair Rascunhos Úteis
Prompt vago devolve texto vago. Prompt estruturado devolve rascunho aproveitável. Estrutura mínima:
- Papel: "Você é assistente de redação técnica para fisioterapeuta pediátrico especialista em assimetria craniana."
- Contexto: "Vou fornecer dados craniométricos e clínicos anonimizados. Gere rascunho de laudo estruturado em CIF."
- Dados: valores objetivos (CVAI, IC, classificação, idade em meses, achados posturais).
- Formato: "Retorne em 4 parágrafos: (1) identificação e achados objetivos, (2) análise cinético-funcional em CIF, (3) plano terapêutico proposto, (4) prognóstico."
- Restrições: "Não invente escalas ou referências. Se faltar dado, escreva [FALTA DADO]. Não sugira diagnóstico médico (craniossinostose etc)."
- Tom: "Linguagem técnica, terceira pessoa, tempo verbal presente. Sem adjetivos valorativos."
Padrões que funcionam: few-shot (dar 1-2 exemplos de laudo bom antes de pedir o novo), delimitadores claros (```dados``` vs ```instrução```), pedir versão + justificativa ("me explique por que estruturou assim") para facilitar sua revisão.
Padrões que quebram: pedir "me dê o laudo" sem contexto; aceitar primeira versão sem iterar; pedir para o LLM "decidir" faixa de gravidade — quem classifica é você.
Disclaimer em Tela vs Documento Final (o que aparece pra quem)
Distinção operacional que confunde muita gente:
Disclaimer em tela (rascunho — só o fisio vê)
No momento em que o sistema gera o rascunho, deve exibir aviso forte, visível, não fechável por descuido: "Este texto é rascunho gerado por IA a partir dos dados clínicos inseridos. Revisão profissional integral é obrigatória. A responsabilidade técnica pelo conteúdo final é do fisioterapeuta signatário." Isso protege eticamente e reforça o fluxo de revisão.
Documento final (laudo assinado — família / encaminhador veem)
O PDF exportado, assinado, com carimbo do CREFITO, não deve conter disclaimer de IA. Por quê? Porque o documento é seu ato profissional. Ao assinar, você assume integralmente. Colocar "gerado por IA" no laudo final dilui responsabilidade, confunde encaminhador e cria falsa impressão de que o texto não passou pelo seu crivo — quando passou (ou deveria ter passado).
Regra prática: disclaimer forte no rascunho, ausente no documento assinado.
FAQ
1. Posso mencionar no laudo que usei IA como apoio?
Não é obrigatório e a prática recomendada é não mencionar. O laudo é seu ato — a ferramenta usada para escrevê-lo (editor de texto, dicionário, IA) não integra o conteúdo clínico. Mencionar cria ambiguidade sobre autoria e responsabilidade.
2. Se a IA errar e eu assinar sem revisar, quem responde?
Você. Integralmente. Ético-disciplinar no CREFITO, cível por dano ao paciente, eventualmente criminal. Não há defesa técnica baseada em "a IA sugeriu".
3. ChatGPT Plus (pago) é LGPD-compliant?
Não automaticamente. A versão paga individual ainda tem termos padrão inadequados para dados sensíveis de menor. Compliance real requer plano Enterprise/Team com contrato de não-treinamento ou API com DPA específico.
4. Preciso de novo consentimento se passar a usar IA?
Sim, o Termo de Consentimento Livre e Esclarecido deve mencionar explicitamente o uso de ferramentas de IA para apoio à documentação, com garantia de anonimização e revisão profissional. Consentimento genérico anterior não cobre.
5. IA pode substituir a supervisão de estagiário/residente na redação?
Não. Supervisão didático-pedagógica é ato de docente/preceptor. IA pode ajudar o estagiário a estruturar texto, mas a correção crítica e o ensino ético permanecem humanos.
6. Como saber se meu prompt está "vazando" dado sensível?
Regra do avô: se você não colocaria esse texto em um e-mail para um destinatário desconhecido, não coloque no LLM público. Nome, DN, achado clínico específico + identificador = dado sensível. Anonimize antes.
7. RAG resolve o problema de alucinação?
Reduz significativamente, não elimina. RAG (Retrieval Augmented Generation) faz o LLM consultar sua base validada antes de responder, ancorando na fonte. Ainda assim, revisão humana permanece obrigatória — pode haver erro de recuperação, de síntese ou de citação.
8. Fine-tuning em base própria de laudos é boa ideia?
Depende. Fine-tuning em base grande de laudos revisados e assinados tende a melhorar tom e estrutura. Mas requer volume (centenas a milhares de laudos), custo técnico, e cuidado redobrado com LGPD (anonimização completa antes do treinamento). Para clínica pequena/média, RAG + prompt bem feito costuma ter melhor custo-benefício.
IA aplicada de forma ética, dentro do fluxo clínico
O Assimetrix integra rascunho de laudo, cartilha familiar e evolução geradas por IA anonimizada, com disclaimer em tela obrigatório e revisão profissional antes de qualquer exportação. Todo o pipeline é LGPD-compliant e alinhado à Resolução 573/COFFITO. Você ganha tempo em documentação sem perder controle clínico nem responsabilidade técnica.