APLICAÇÕES DE LARGE LANGUAGE MODELS NA AVALIAÇÃO PSIQUIÁTRICA FORENSE E NA TOMADA DE DECISÃO MÉDICO-LEGAL: REVISÃO DE ESCOPO

Abstract

OBJETIVO: Mapear e analisar as evidências científicas sobre as aplicações de Large Language Models (LLMs) na avaliação psiquiátrica forense e na tomada de decisão médico-legal, identificando potenciais usos em triagem, análise de informações clínicas e periciais, elaboração de pareceres, apoio diagnóstico, predição de riscos, bem como limitações, implicações éticas e desafios relacionados à sua utilização em contextos forenses. MÉTODOS: Revisão de escopo realizada em 2026, conduzida conforme as recomendações do JBI e do PRISMA-ScR. Utilizou-se a estratégia PCC, sendo P: indivíduos submetidos a avaliações psiquiátricas ou psicológicas forenses, profissionais periciais e usuários de sistemas de apoio à decisão; C: aplicações de Large Language Models na avaliação psiquiátrica forense e na tomada de decisão médico-legal; C: psiquiatria forense, psicologia forense, perícias judiciais e demais contextos médico-legais. A pergunta norteadora foi: “Quais evidências científicas descrevem as aplicações de Large Language Models na avaliação psiquiátrica forense e na tomada de decisão médico-legal, e quais lacunas são identificadas na literatura?”. Foram incluídos estudos completos publicados nos últimos cinco anos, em todos os idiomas e relacionados ao uso de LLMs em contextos forenses. Excluíram-se estudos sem relação com inteligência artificial generativa, psiquiatria forense ou tomada de decisão médico-legal. RESULTADOS E DISCUSSÃO: Foram incluídos 14 estudos. As evidências demonstraram que os LLMs apresentam potencial para organizar grandes volumes de informações clínicas, apoiar hipóteses diagnósticas, analisar documentos periciais, identificar padrões psicopatológicos e auxiliar avaliações de risco. Em alguns cenários, os modelos alcançaram desempenho comparável ao de especialistas na identificação de transtornos psiquiátricos e avaliação de risco suicida. Contudo, também foram identificadas limitações relevantes, incluindo alucinações informacionais, vieses algorítmicos, instabilidade das respostas, dificuldades de interpretação probabilística e riscos relacionados à simulação sintomática assistida por IA. Além disso, persistem preocupações quanto à transparência, explicabilidade, validade pericial e segurança jurídica das decisões apoiadas por esses sistemas. CONCLUSÃO: Os LLMs apresentam potencial significativo como ferramentas assistivas na psiquiatria forense, mas sua utilização deve permanecer subordinada ao julgamento especializado, exigindo validação científica contínua, supervisão humana, governança ética e protocolos específicos para garantir confiabilidade, transparência e proteção dos direitos dos indivíduos avaliados.