IA conhece Minancora, violeta genciana e Kolynos? 🤖🧵 Testes informais mostram que modelos de linguagem reconhecem remédios caseiros brasileiros, mas precisão, contexto e segurança das respostas variam bastante.

Imagem indisponível

Por que a IA sabe disso? Modelos são treinados com grandes volumes da web — sites, fóruns e redes sociais onde práticas de medicina popular aparecem. Isso gera conhecimento, mas também ruído, informações incompletas e erros.

O problema: mesmo quando a IA reproduce práticas corretas (aloe vera para queimaduras leves, por exemplo), ela pode omitir contra‑indicações, doses ou sinais de gravidade. LLMs não substituem diagnóstico nem orientação profissional.

Imagem indisponível

Riscos concretos: instruções imprecisas podem atrasar atendimento, provocar reações alérgicas ou uso inadequado de produtos químicos (p. ex. uso indevido de violeta genciana). Há também vieses: comunidades tradicionais podem ter seus saberes simplificados ou distorcidos.

O que precisa mudar: integrar fontes médicas validadas, rastreabilidade das respostas (proveniência), revisão por especialistas e participação de comunidades locais na curadoria de dados. Transparência e regulação (ANVISA, conselhos médicos) são cruciais.

Imagem indisponível

Para usuários e desenvolvedores: trate IA como ponto de partida, não diagnóstico; exija referências e disclaimers; desenvolvedores devem envolver profissionais de saúde e respeitar direitos trabalhistas de quem rotula dados. Tecnologia pode democratizar acesso — desde que segura.

Reflexão final: a IA já “conhece” muita medicina popular brasileira, mas a utilidade real depende de validação, transparência e políticas públicas que protejam pacientes e preservem saberes locais. Tecnologia sem governança é risco, não solução.

Imagem indisponível