Checklist para Prompts
O Checklist Para Prompts é uma ferramenta essencial na engenharia de prompts que estrutura instruções para modelos de IA generativa via protocolo PCTR (Persona-Contexto-Tarefa-Restrição/Resultado), combatendo GIGO e alucinações em até 100% em tarefas complexas como diagnósticos médicos. Dividido em fases de construção pré-envio, segurança ética e validação pós-resposta, garante rastreabilidade e precisão clínica com curadoria humana.
O checklist para prompts representa uma ferramenta essencial na engenharia de prompts, permitindo ao médico estruturar instruções para modelos de inteligência artificial generativa de forma sistemática, combatendo a lei GIGO ("Lixo entra, lixo sai") e a síndrome da bola de cristal. Ele baseia-se no Protocolo PCTR (Persona-Contexto-Tarefa-Restrição/Resultado), garantindo rastreabilidade do raciocínio da IA via técnicas como cadeia de pensamento (CoT) e role prompting, com redução de alucinações em até 100% em tarefas complexas quando comparado a prompts vagos (Fonte 4). Aplicações práticas incluem diagnósticos diferenciais, elaboração de laudos e comunicação paciente-médico, sempre com curadoria humana para validar precisão clínica (Fonte 4).
Este checklist é dividido em três fases: construção pré-envio, segurança ética e validação pós-resposta. Sua utilização transforma o prompt de uma pergunta intuitiva em um método clínico reproduzível, alinhado à higiene de contexto e à human-in-the-loop, minimizando riscos como inferência causal inadequada ou preenchimento de lacunas (Fonte 4).
Checklist de Construção (Antes de Enviar)
Antes de submeter o prompt, verifique se ele incorpora todos os elementos do Protocolo PCTR. Prompts incompletos violam o GIGO, gerando respostas superficiais ou irrelevantes, especialmente em cenários médicos com alta variabilidade de dados (ex.: prontuários extensos limitados pela janela de contexto) (Fonte 4).
| Item | Verificação | Explicação Técnica e Aplicação Clínica (Fonte 4) |
|---|---|---|
| [ ] Persona (P) | Defini explicitamente quem a IA deve ser? Ex.: "Atue como um radiologista intervencionista sênior". | Ajusta o domínio de conhecimento, limitando o espaço de resposta a expertise especializada. Em role prompting, melhora precisão em 100% para tarefas de alta complexidade, como análise de imagens (ex.: RM de joelho com ruptura de LCA). Limitação: sem persona, respostas genéricas ignoram nuances institucionais. |
| [ ] Contexto (C) | Forneci dados clínicos relevantes (idade, comorbidades, achados)? Evitei excesso para não exceder tokens? | Injeta conhecimento prévio, restringindo busca probabilística da rede neural. Aplicação: em diagnóstico diferencial de massa hepática hipoecoica (58 anos, etilista), lista 10-15 hipóteses ordenadas. Limitação: contexto vago leva a "lost in the middle" em janelas grandes. |
| [ ] Tarefa (T) | Usei verbo imperativo específico? Ex.: "Analise", "Redija", não "Me ajude". | Decompõe em subtarefas, ativando cadeia de pensamento para rastreabilidade. Evidência: prompts com verbos imperativos reduzem alucinações em diagnósticos torácicos súbitos. |
| [ ] Resultado/Restrição (R) | Especifiquei formato (tabela Markdown), tom e limites (máx. 500 palavras)? | Controla output via Few-Shot ou Zero-Shot. Ex.: "Tabela por probabilidade decrescente". Limitação: sem restrição, prolixidade ou viés de recência. |
Exemplo Prático de Prompt Construído (Cenário: Diagnóstico Diferencial):
Atue como um cardiologista intervencionista (P). Paciente: homem 55 anos, fumante, dor torácica súbita + sudorese (C). Tarefa: Liste diagnósticos diferenciais via Chain-of-Thought passo a passo (T). Formato: tabela por probabilidade; máximo 200 palavras; sem pediatria (R).
Resultado: Rastreável, com etapas lógicas auditáveis (Fonte 4).
Checklist de Segurança e Ética Médica
Integra conformidade com LGPD, GDPR e HIPAA, priorizando anonimização para evitar envio de PHI (Protected Health Information) a nuvens públicas. IAs comerciais rodam em servidores externos, exigindo VPC ou VPN para dados sensíveis (Fonte 2). Na medicina, violações geram responsabilidade legal; prompts éticos ancoram respostas em contexto fornecido, evitando especulações (Fonte 4).
- Anonimização: Substituí nomes, CPF/prontuário por rótulos (ex.: "Paciente A")? Mecanismo: Substituição pré-prompt reduz riscos de LGPD; evidência: documentos de 2025 alertam para envio de prontuários reais (Fonte 2).
- Sigilo: Considerei que ferramentas gratuitas usam dados para treinamento? Limitação: Gratuitas violam HIPAA; prefira planos Pro (Claude US$20/mês) com VPC (Fonte 2).
- Não Alucinar: Incluí "Não invente referências; use apenas contexto"? Aplicação: Em laudos, Few-Shot com exemplos reais previne preenchimento de lacunas (Fonte 4).
- Curadoria Humana: Reservei validação final? Evidência: IA opera por probabilidade, não evidência empírica; human-in-the-loop essencial (Fonte 1).
Tabela Comparativa: Riscos Éticos por Nível de Prompt (adaptado de Fonte 4):
| Nível de Prompt | Risco de Violação LGPD | Exemplo de Mitigação |
|---|---|---|
| Ruim (Vago) | Alto (dados crus) | Anonimizar + Novo Chat (Fonte 4) |
| Bom (PCTR) | Médio | VPC + Restrição "sem PHI" (Fonte 2) |
| Ótimo (CoT + Few-Shot) | Baixo | Rastreabilidade ética (Fonte 4) |
Checklist de Validação da Resposta (Após Receber)
Pós-geração, audite para garantir semântica clínica. Alucinações ocorrem em 20-50% de prompts simples; CoT reduz para <5% via rastreabilidade (Fonte 4).
- Rastreabilidade: IA usou cadeia de pensamento? Sigo o raciocínio lógico? Mecanismo: Expõe etapas intermediárias; ex.: "Passo 1: Pesar tabagismo; Passo 2: Excluir pericardite". Limitação: sem CoT, "caixa-preta" impede auditoria.
- Precisão Clínica: Verifiquei alucinações/invenções? Cruzou com diretrizes? Aplicação: Em Few-Shot para laudos, compara com gabarito; evidência: prompts estruturados evitam hipóteses incorretas (Fonte 4).
- Interpretabilidade: Resposta clara para destinatário (paciente/colega)? Evidência: linguagem clara (plain language) aumenta adesão; limite palavras para leigos (Fonte 3).
- Reprodutibilidade: Testei variação? Mesma saída em reexecução? Limitação: Variabilidade inerente a grandes modelos de linguagem; itere com "Reescreva conciso".
Bloco de Código: Script de Validação Rápida (para copiar em IA):
Analise esta resposta [cole resposta]: 1. Rastreabilidade CoT? 2. Alucinações? 3. Precisão clínica? Responda em tabela sim/não + justificativa.
(Fonte 4)
Aplicações Práticas e Limitações Reais
- Diagnósticos: PCTR + CoT para diferenciais (ex.: dor peito → IAM vs. dissecção; probabilidade decrescente) (Fonte 4).
- Laudos: Few-Shot com exemplos institucionais (reduz inconsistências em 90%) (Fonte 4).
- Paciente: Persona empática + restrições (150 palavras, analogias) (Fonte 4).
Limitações: Dependência de prompt (fragilidade); não substitui julgamento; risco em voz (ruído → GIGO). Evidência: Estudos 2025 mostram 100% eficácia em CoT vs. variabilidade em Zero-Shot (Fonte 4). Sempre: Novo Chat por paciente; documente prompts bem-sucedidos.
Integração com Voz: Aplique checklist verbalmente (PCTR Vocal); valide transcrição Speech-to-Text (Fonte 4).
Para aprofundamento: Aula 3: Prompts; comparação de prompts ruins, bons e ótimos (Fonte 4).