Explorando o potencial do ChatGPT-3 como uma ferramenta para a tomada de decisões clínicas relacionadas a terapêutica medicamentosa em odontopediatria

Autores

  • Michelle Alonso Coutinho Universidade Veiga de Almeida
  • Hislena Oliveira Ramos Universidade Veiga de Almeida
  • Andréa Vaz Braga Pintor Programa de Pós-Graduação, Faculdade de Odontologia, Universidade Veiga de Almeida, Rio de janeiro/RJ, Brasil. https://orcid.org/0000-0002-3323-7691
  • Marcela Baraúna Magno Programa de Pós-Graduação, Faculdade de Odontologia, Universidade Veiga de Almeida, Rio de janeiro/RJ, Brasil. https://orcid.org/0000-0003-3618-190X

DOI:

https://doi.org/10.12957/sustinere.2026.89795

Palavras-chave:

Inteligência artificial, Compreensão, Odontopediatria, Prescrições de medicamentos, Tomada de decisão clínica

Resumo

Avaliou-se o potencial do ChatGPT-3 como ferramenta clínica na terapêutica medicamentosa em odontopediatria, analisando a qualidade das respostas fornecidas. Foram feitas 45 perguntas sobre a forma terapêutica mais indicada (n=1), analgésicos (AN, n=17), anti-inflamatórios (AI, n=17) e anestésicos locais (AL, n=10) em diferentes cenários clínicos. As respostas foram analisadas quanto à precisão (0 a 5), completude (0 a 2), objetividade (0 a 2) e pontuação total (0 a 9). Os grupos de medicamentos foram comparado pelo teste de Kruskal-Wallis (α=5%). A média ± desvio padrão da pontuação total foi de 3.71±2.58, e a mediana ± desvio interquartílico dos escores de precisão, completude e objetividade foi de 3.0±3.0, 1±1.0 e 0.0±0.0, respectivamente. A maioria das respostas relacionadas a AN foram classificadas como ‘mais correta que incorreta’ (n=7, 41.18%) e ‘adequadas’ (n=9, 52.94%); as respostas sobre AI foram consideradas ‘mais incorreta que correta’ (n=4, 23.53%) ou ‘completamente correta’ (n=4, 23.53%) e ‘incompleta’ (n=9, 52.94%); a maioria das respostas sobre AL (n=7, 41.18%) foram classificadas como ‘completamente incorreta’ e ‘incompleta’ (n=9, 52.94%). As respostas sobre AL receberam menores escores para precisão (p=0.009) e completude (p=0.020), bem como menor pontuação total (p=0.016), em relação às respostas para AN. O grupo de medicamento não influenciou nos escores de objetividade (p=0.502), a maioria das respostas não foram objetivas e apresentaram ‘muita quantidade (>50%) de informações extras’; AN (n=16, AI (n=15, 88.24%) AL (n=10, 100%). Clinicamente, esta ferramenta deve ser utilizada com cautela e não deve ser a única fonte para terapêutica medicamentosa em Odontopediatria.

Biografia do Autor

Michelle Alonso Coutinho, Universidade Veiga de Almeida

Possui graduação em Odontologia pelo Centro Universitário Fluminense, pós-graduação em Cirurgia e Traumatologia Bucomaxilofacial pela UNIFESO, possui mestrado na área de Desordens Temporomandibular e Dor Orofacial pela São Leopoldo Mandic - Campinas/SP. Atuou por 5 anos em disfunção temporomandibular e dor orofacial na Associação Brasileira de Odontologia - Duque de Caxias/RJ. Atualmente é professora de Cirurgia Oral e Estomatologia na Universidade Estácio de Sá e professora de Capacitação em Cirurgia Ortognática no curso de pós-graduação em Ortodontia no Capacitè Instituto, atua como cirurgiã bucomaxilofacial no Hospital Beneficiência Portuguesa de Teresópolis/RJ e atuou por 8 anos no Hospital São José de Teresópolis/RJ. É membro da Associação Internacional de Cirurgiões Orais e Maxilofaciais e tem experiência na área de Odontologia, com ênfase em Cirurgia Buco-Maxilo-Facial, atuando principalmente nos seguintes temas: cirurgia oral menor, cirurgia ortognática, trauma facial, desordens e tratamento da Articulação Temporomandibular e dor orofacial e patologias facial.

Hislena Oliveira Ramos, Universidade Veiga de Almeida

Aluna de Graduação da Faculdade de Odontologia, Universidade Veiga de Almeida, Rio de Janeiro/RJ, Brasil

Andréa Vaz Braga Pintor, Programa de Pós-Graduação, Faculdade de Odontologia, Universidade Veiga de Almeida, Rio de janeiro/RJ, Brasil.

Possui graduação em Odontologia pela Faculdade de Odontologia de Nova Friburgo (1989), Aperfeiçoamento e Atualização em Ortodontia, Especialização em Odontopediatria pela Associação Brasileira de Odontologia (ABO-RJ), Especialização em Dentística pela Faculdade de Odontologia São Leopoldo Mandic, Mestrado em Odontologia (Clínica Odontológica) pela Universidade Federal Fluminense (2012), Doutorado em Odontologia (Odontopediatria) pela Universidade Federal do Rio de Janeiro (2016) e Pós-Doutorado pela Universidade Federal do Rio de Janeiro (2020). Desenvolve pesquisas na área de biomateriais, através da avaliação da biocompatibilidade e propriedades físico-químicas de materiais odontológicos; e na área de Terapia Pulpar e de Materiais Dentários em Odontologia. Docente Colaborador do Programa de Pós-Graduação em Odontologia e do Programa de Mestrado Profissional em Clínica Odontológica da Universidade Federal do Rio de Janeiro. Professora da Universidade Veiga de Almeida. Membro Efetivo da Sociedade Brasileira de Pesquisa Odontológica. Membro da CEDACORE- Children Experiencing Dental Anxiety:Collaboration for Research and Education. Membro da Comissão de Estudos de Materiais Odontológicos - Restauradores, Obturadores e Protéticos CE-026:050.004 da ABNT, Comitê Brasileiro Odonto-Médico-Hospitalar. Pesquisadora do Grupo de Pesquisa de Endodontia em Odontopediatria da UFRJ (GEdOPED- UFRJ) e do Grupo de Estudos e Pesquisas em Odontologia Baseada em Evidências (EvidênciaOdonto UFRJ.Tem experiência em Odontologia, com ênfase em Odontopediatria, Materiais Dentários, Endodontia e Ortodontia. Atualmente, realiza Pós-Doutorado na UFRJ, com bolsa FAPERJ Pós-Doutorado Sênior.

Marcela Baraúna Magno , Programa de Pós-Graduação, Faculdade de Odontologia, Universidade Veiga de Almeida, Rio de janeiro/RJ, Brasil.

Possui graduação em Odontologia, especialização em Prótese Dentária e em Odontopediatria, mestrado, doutorado e pós-doutorado em Odontologia. É professora do curso de graduação em odontologia da UNIVERSO, professora adjunta do programa de pós-graduação em odontologia (PPGO) da Universidade Veiga de Almeida (nível mestrado e doutorado) e colaboradora do PPGO-UFRJ (nível mestrado e doutorado). Atualmente é Jovem Cientista do Nosso Estado - FAPERJ 2024/2026. Membro da Sociedade Brasileira de Pesquisa em Odontologia. Possui conhecimentos e habilidades nas áreas de Odontopediatria, Traumatismo dentoalveolar, Cariologia, Prótese Dentária e Revisões sistemáticas. Índice h Google Scholar 30; Scopus 23.

Referências

AGRAWAL, P.; NIKHADE, P. Artificial intelligence in dentistry: past, present, and future. Cureus, v. 14, n. 7, e27405, 2022. DOI: https://doi.org/10.7759/cureus.27405.

AHMED, Naseer et al. Artificial Intelligence Techniques: Analysis, Application, and Outcome in Dentistry—A Systematic Review. BioMed Research International, v. 2021, p. 9751564, 2021. Disponível em: https://doi.org/10.1155/2021/9751564 Acesso em: 14 nov. 2024.

ANDRADE, Eduardo D. de. Terapêutica medicamentosa em odontologia. 3 ed. São Paulo, Brasil: Editora Artes Médicas, 2014. 256 p.

BAICKER, Katherine; OBERMEYER, Ziad. Overuse and underuse of health care: new insights from economics and machine learning. JAMA Health Forum, American Medical Association, 2022. p. e220428-e220428. doi:10.1001/jamahealthforum.2022.0428

ÇAKMAKOĞLU, Ezgi Eroğlu. The place of ChatGPT in the future of dental education. Journal of Clinical Trials and Experimental Investigations, v. 2, n. 3, p. 121-129, 2023. DOI: https://doi.org/10.5281/zenodo.8210063

CALCULADORA DA DOSE DE MEDICAMENTOS EM PEDIATRIA. Bibliomed, Disponível em: https://www.bibliomed.com.br/calculadoras/peddose/index.cfm . Acesso em: 23 set. 2023.

CALCULADORA DE MEDICAMENTOS EM ODONTOPEDIATRIA. Departamento de Medicina Social – UFPEL. Disponível em: https://dms.ufpel.edu.br/casca/modulos/odonto-calc#comp/odonto-calc Acesso em: 23 set. 2023.

CÁLCULO DE DOSES DE MEDICAMENTOS. Biblioteca Virtual em Saúde. Disponível em: aps.bvs.br/apps/calculadoras/?page=2 . Acesso em: 23 set. 2023.

CAPAN, Belen S.; DUMAN, Canan; KALAOGLU, Elif E. Antibiotic prescribing practices for prophylaxis and therapy of oral/dental infections in pediatric patients–results of a cross-sectional study in Turkey. GMS Hygiene and Infection Control, v. 18, 2023. DOI: https://doi.org/10.3205/dgkh000437

CHATGPT. In: WIKIPÉDIA, a enciclopédia livre. Flórida: Wikimedia Foundation, 2024. Disponível em: https://pt.wikipedia.org/w/index.php?title=ChatGPT&oldid=69499531 . Acesso em: 23 set. 2023.

DING, Hao et al. Artificial intelligence in dentistry—A review. Frontiers in Dental Medicine, v. 4, p. 1085251, 2023. DOI: https://doi.org/10.3389/fdmed.2023.1085251

DUBAY, William H. The principles of readability. Online Submission, 2004. 76 p. Disponível em: http://files.eric.ed.gov/fulltext/ED490073.pdf . Acesso em: 30 de nov. 2024.

EGGMANN, Florin et al. Implications of large language models such as ChatGPT for dental medicine. Journal of Esthetic and Restorative Dentistry, v. 35, n. 7, p. 1098-1102, 2023. DOI: https://doi.org/10.1111/jerd.13046

FAHRNER, L. John et al. The generative era of medical AI. Cell, v. 188, n. 14, p. 3648-3660, 2025. https://doi.org/10.1016/j.cell.2025.05.018

FERREIRA, Tânia R.; LOPES, Luciane C. Analysis of analgesic, antipyretic, and nonsteroidal anti-inflammatory drug use in pediatric prescriptions. Jornal de pediatria, v. 92, p. 81-87, 2016. DOI: https://doi.org/10.1016/j.jped.2015.04.007

FLESCH KINCAID CALCULATOR. Good Calculators – Free online calculators. Disponível em: https://goodcalculators.com/flesch-kincaid-calculator/ . Acesso em: 25 out. 2023.

GILSON, Aidan et al. How does ChatGPT perform on the United States medical licensing examination? The implications of large language models for medical education and knowledge assessment. JMIR Medical Education, v. 9, n. 1, p. e45312, 2023. DOI: 10.2196/45312. Disponível em: https://mededu.jmir.org/2023/1/e45312

HUANG, Hanyao et al. ChatGPT for shaping the future of dentistry: the potential of multi-modal large language model. International Journal of Oral Science, v. 15, n. 1, p. 29, 2023. DOI: https://doi.org/10.1038/s41368-023-00239-y

JOHNSON, Douglas et al. Assessing the accuracy and reliability of AI-generated medical: an evaluation of the Chat-GPT model. Research Square, 2023. Preprint, rs.3.rs-2566942. DOI: https://doi.org/10.21203/rs.3.rs-2566942/v1

KAROBARI, Mohmed I. et al. Evaluation of the diagnostic and prognostic accuracy of artificial intelligence in endodontic dentistry: A comprehensive review of literature. Computational and Mathematical Methods in Medicine, v. 2023, p. 7049360, 2023. DOI: https://doi.org/10.1155/2023/7049360

KIM, Seong-Gon. Using ChatGPT for language editing in scientific articles. Maxillofacial Plastic and Reconstructive Surgery, v. 45, n. 1, p. 13, 2023. DOI: https://doi.org/10.1186/s40902-023-00381-x

KINCAID, J. Peter et al. Derivation of new readability formulas (automated readability index, fog count, and Flesch reading ease formula) for Navy enlisted personnel. Research Branch Report, p. 8–75, 1975.

MACHADO, Hellen C. de P.; JASSÉ, Fernanda F. de A.; ARANTES, Diandra C. Uso de aplicativo de inteligência artificial como fonte de informação para resolução de provas de odontologia. Revista Brasileira de Odontologia Legal, v. 11, n. 1, p. 7-18, 2024. DOI: https://doi.org/10.21117/rbol-v11n12024-535

MAGO, Jyoti; SHARMA, Manoj. The Potential Usefulness of ChatGPT in Oral and Maxillofacial Radiology. Cureus, v. 15, n. 7, 2023. DOI: https://doi.org/10.7759/cureus.42133

MCCARTHY, John et al. A proposal for the dartmouth summer research project on artificial intelligence, august 31, 1955. AI magazine, v. 27, n. 4, p. 12-12, 2006. DOI: https://doi.org/10.1609/aimag.v27i4.1904

MESKÓ, Bertalan. The ChatGPT (generative artificial intelligence) revolution has made artificial intelligence approachable for medical professionals. Journal of Medical Internet Research, v. 25, p. e48392, 2023. DOI: 10.2196/52865. https://doi.org/10.2196/52865

MESKÓ, Bertalan; TOPOL, Eric J. The imperative for regulatory oversight of large language models (or generative AI) in healthcare. NPJ Digital Medicine, v. 6, n. 1, p. 120, 2023. Doi: https://doi.org/10.1038/s41746-023-00873-0

MIRA, Felipe. A. et al. Chat GPT for the management of obstructive sleep apnea: do we have a polar star? European Archives of Oto-Rhino-Laryngology, v. 281, p. 2087-2093, 2024. DOI: https://doi.org/10.1007/s00405-023-08270-9

MULLAINATHAN, Sendhil; OBERMEYER, Ziad. Does machine learning automate moral hazard and error?. American Economic Review, v. 107, n. 5, p. 476-480, 2017. doi:10.1257/aer.p20171084

NING, Yilin et al. Generative artificial intelligence and ethical considerations in health care: a scoping review and ethics checklist. The Lancet Digital Health, v. 6, n. 11, p. e848-e856, 2024. https://doi.org/10.1016/s2589-7500(24)00143-2

RUBANENKO, Moran et al. Assessment of the Knowledge and Approach of General Dentists Who Treat Children and Pediatric Dentists Regarding the Proper Use of Antibiotics for Children. Antibiotics, v. 10, n. 10, p. 1181, 2021. DOI: https://doi.org/10.3390/antibiotics10101181

SCARPARO, Angela. Odontopediatria: Bases teóricas para uma prática clínica de excelência. 1ª edição. Editora Manole. 1. ed. Barueri, SP: Manole, 2021. 544 p.

THURZO, Andrej. et al. Where is the Artificial Intelligence Applied in Dentistry? Systematic Review and Literature Analysis. Healthcare, v. 10, n. 7, p. 1269, 2022. Disponível em: https://doi.org/10.3390/healthcare10071269 . Acesso em: 14 nov. 2024.

TURING, Alan. M. “Computing Machinery and Intelligence.” Mind, v. 59, n. 236, p. 433–460, 1950. Disponível em: http://www.jstor.org/stable/2251299 . Acesso em: 18 jan. 2025).

Downloads

Publicado

24-08-2026

Como Citar

Coutinho, M. A., Ramos, H. . O., Pintor, A. V. B., & Magno , M. B. (2026). Explorando o potencial do ChatGPT-3 como uma ferramenta para a tomada de decisões clínicas relacionadas a terapêutica medicamentosa em odontopediatria. Revista Sustinere, 14(1), 537–554. https://doi.org/10.12957/sustinere.2026.89795

Edição

v. 14 n. 1 (2026): REVISTA SUSTINERE (JAN-JUN)

Seção

ARTIGOS

Licença

Copyright (c) 2026 Revista Sustinere

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Os Direitos Autorais dos artigos publicados na Revista Sustinere pertencem ao(s) seu(s) respectivo(s) autor(es), com os direitos de primeira publicação cedidos à Revista SUSTINERE.

Os artigos publicados são de acesso público, de uso gratuito, com atribuição da autoria original obrigatória, de acordo com o modelo de licenciamento Creative Commons 4.0 adotado pela revista.

 

Licença Creative Commons
A Revista Sustinere está licenciada com uma Licença Creative Commons Atribuição 4.0 Internacional.