Protocolo PCTR
Estrutura Persona-Contexto-Tarefa-Restrição/Resultado para prompts precisos.
O protocolo PCTR (Persona-Contexto-Tarefa-Restrição/Resultado) constitui a estrutura lógica fundamental para a construção de prompts de alta precisão em IA generativa aplicada à medicina. Trata-se de um modelo padrão que organiza os elementos essenciais de um comando, transformando instruções vagas em diretrizes clínicas robustas e rastreáveis (Fonte 4). Essa abordagem combate diretamente o GIGO ("Garbage In, Garbage Out" ou "lixo entra, lixo sai"), no qual prompts mal estruturados geram respostas superficiais, alucinações ou irrelevantes, e a síndrome da bola de cristal, expectativa irreal de que a IA adivinhe intenções sem dados explícitos (Fonte 4). Aplicável tanto a prompts escritos quanto vocais, o PCTR eleva a engenharia de prompts a uma competência clínica essencial, permitindo que o médico atue como curador ativo das saídas geradas (Fonte 4).
Anatomia do Protocolo PCTR
O PCTR divide o prompt em quatro componentes interdependentes, cada um com função técnica específica para modular o comportamento da rede neural do grande modelo de linguagem (LLM). Essa decomposição injeta conhecimento prévio, restringe o espaço de busca probabilística da IA e garante rastreabilidade do raciocínio, reduzindo erros lógicos em até 100% em tarefas complexas quando combinado com técnicas como cadeia de pensamento (CoT) (Fonte 4).
Persona (P): Definição do Papel da IA
A Persona atribui à IA um perfil profissional especializado, ajustando o nível de linguagem, profundidade técnica e expertise simulada. Exemplos: "atue como um médico radiologista sênior especialista em tórax" ou "atue como um cardiologista intervencionista" (Fonte 4). Mecanismo técnico: limita o domínio de resposta via role prompting, forçando o modelo a priorizar padrões de conhecimento relevantes e suprimir respostas genéricas (Fonte 4). Aplicação prática: em diagnósticos diferenciais, uma Persona sênior induz raciocínio hierárquico, priorizando evidências de alto impacto clínico sobre especulações (Fonte 4).
Contexto (C): Fornecimento de Dados de Base
Inclui histórico clínico do paciente, achados de exames, comorbidades e limitações ambientais. Quanto mais rico e hierarquizado, menor o risco de respostas genéricas ou alucinações (Fonte 4). Exemplo de estrutura: "paciente masculino, 58 anos, etilista há 30 anos. Achados incidentais em US abdominal: massa hepática hipoecoica no segmento VII (3,5 x 3,2 cm), bordas irregulares, sem realce vascular" (Fonte 4). Mecanismo técnico: enriquece a janela de contexto do LLM, permitindo integração semântica de variáveis longitudinais e redução de viés por omissão (Fonte 4). Limitações reais: excesso de detalhes irrelevantes ativa o "lost in the middle" (perda de foco em informações centrais); priorize higiene de contexto com "novo chat" entre casos (Fonte 4).
Tarefa (T): Verbo Imperativo Específico
Define a ação via verbos precisos e decomposições lógicas: "analise o laudo", "elabore um diagnóstico diferencial" ou "classifique os achados" (Fonte 4). Verbos vagos ("me ajude") violam o GIGO, gerando outputs imprevisíveis (Fonte 4). Mecanismo técnico: ativa caminhos neurais específicos no LLM, alinhando a saída à intenção via condicionamento probabilístico (Fonte 4). Aplicação prática: em laudos, "redija o laudo final mantendo estrutura e terminologia" garante padronização institucional (Fonte 4).
Restrição/Resultado (R): Formato e Limites de Saída
Especifica apresentação ("formato de tabela Markdown"), tom ("empático para paciente leigo"), extensão ("máximo 500 palavras") e proibições ("não invente referências bibliográficas") (Fonte 4). Mecanismo técnico: restringe o espaço de geração, forçando conformidade via tokens de controle e reduzindo variabilidade entre execuções (Fonte 4). Exemplo: "apresente diagnósticos em tabela por probabilidade: (1) Nome; (2) Características US; (3) Achados confirmatórios; (4) Próximo exame; (5) Urgência" (Fonte 4).
| Componente | Função Principal | Exemplo Clínico | Benefício Técnico (Fonte 4) |
|---|---|---|---|
| Persona (P) | Atribui expertise | "Radiologista sênior" | Role prompting para domínio especializado |
| Contexto (C) | Dados clínicos/histórico | "Paciente 58a, etilista, massa hipoecoica" | Enriquecimento semântico da janela de contexto |
| Tarefa (T) | Ação imperativa | "Liste 10-15 diferenciais" | Ativação de caminhos lógicos específicos |
| Restrição (R) | Formato/limites | "Tabela Markdown, sem pediatria" | Controle de output e rastreabilidade |
Benefícios Clínicos e Evidências
- Redução de Alucinações: estrutura PCTR + CoT expõe raciocínio passo a passo, permitindo auditoria humana e validação lógica (rastreabilidade) (Fonte 4).
- Precisão em Tarefas Complexas: estudos indicam eficácia de 100% em diagnósticos com prompts estruturados vs. variabilidade em comandos simples (Fonte 4).
- Produtividade: transforma a IA em "estagiária de luxo" para laudos, diferenciais e educação, liberando tempo para escuta ativa (Fonte 4).
- Segurança Ética: facilita anonimização (ex.: "Paciente A") e conformidade com a LGPD, evitando envio de PHI sem filtros (Fonte 2, Fonte 4).
- Limitações Reais: não substitui julgamento clínico; outputs probabilísticos demandam curadoria; sensível a "fragilidade do prompt" em voz (Fonte 4).
Aplicações Práticas: Escrito vs. Vocal
O PCTR é universal, adaptável a interfaces textuais ou prompt por voz (Fonte 4).
Prompt Escrito (Padrão Ouro para Precisão)
Ideal para few-shot (exemplos como gabarito) e CoT em laudos ou diferenciais.
Atue como radiologista sênior (P). Paciente 55a, fumante, dor torácica súbita (C). Elabore diferencial com CoT passo a passo (T). Tabela por probabilidade, máximo 150 palavras (R).
(Fonte 4)
Prompt Vocal (Agilidade Mãos-Livres)
Mantenha PCTR verbal: "atue como cardiologista. Paciente 62 anos, dispneia, tabagista, exames mostram [achados]. Liste diferenciais por probabilidade em tabela, passo a passo" (Fonte 4). Hardware: microfone lapela (R$ 50-500) + destilação de conhecimento para fluidez local (Fonte 4). Desafios: ruído ambiental e transcrição imprecisa; valide sempre (Fonte 4).
| Cenário | Escrito | Vocal | Razão (Fonte 4) |
|---|---|---|---|
| Laudo Formal | ✅ Preferencial (Few-Shot) | ⚠️ Pós-validação | Estrutura rígida |
| Diferencial Rápido | ✅ CoT profundo | ✅ Brainstorming | Rastreabilidade |
| Orientação Paciente | ✅ | ✅ | Empatia natural |
Exemplos Clínicos (Mão na Massa)
Exemplo 1: Diagnóstico Diferencial (Quadro 01 adaptado, Fonte 4):
Sou ultrassonografista (P). Paciente masculino 58a etilista, massa hipoecoica VII (C). Liste 10-15 diferenciais por probabilidade decrescente (T). Tabela: Nome, US típica, confirmatórios, exame próximo, urgência. Sem pediatria (R).
Exemplo 2: Laudo com Few-Shot: Cole exemplo anterior como gabarito; a IA replica padrão (Fonte 4).
Checklist de Avaliação PCTR (adaptado de Fonte 4):
- P definida?
- C relevante e anonimizado?
- T imperativa?
- R formatada?
- CoT para rastreabilidade?
Ver detalhes na Aula 3: prompts — a nova habilidade (Fonte 4).
Para metaprompting reflexivo: "crie prompt PCTR para [tarefa]; pergunte dados faltantes" (Fonte 4).