Prévia do material em texto

Oportuindade de aplicação da inteligência artificial na educação em terapia nutricional
BRASPEN J. 2024; 39(1):e20243915
1
CCarta ao Editor
Oportunidades de aplicação da inteligência artificial 
na educação em terapia nutricional enteral e 
parenteral
Opportunities for the application of artificial intelligence in education in enteral and parenteral 
nutritional therapy
Endereço para correspondência:
Haroldo Falcão Ramos da Cunha
Rua Abílio Soares, 233 – Conjunto 144 – São Paulo, 
SP, Brasil – CEP: 04005-000
Submissão:
19 de maio de 2024
Aceito para publicação:
30 de maio de 2024
Data da publicação::
2 de julho de 2024
Haroldo Falcão Ramos da Cunha
DOI: 10.37111/braspenj.2024.39.1.5 Prezados Editores,
Gostaríamos de abordar as limitações no ensino da terapia nutricional 
parenteral e enteral nas graduações de medicina e nutrição e de como o 
advento das inteligências artificiais generativas (IAGen) podem contribuir para 
a melhoria da formação dos futuros profissionais na área da terapia nutricional.
Existe uma carência de disciplinas específicas em terapia nutricional 
enteral e parenteral durante a graduação. Diversos estudos apontam para a 
insuficiência no ensino deste tópico, levando à formação de profissionais com 
conhecimento limitado nesta área essencial1,2,3,4. Essa lacuna curricular priva 
médicos recém-formados de competências para identificar estados de risco 
nutricional, indicar o encaminhamento para especialistas ou mesmo iniciar 
corretamente a terapia nutricional.
Os profissionais recém-formados precisam buscar cursos adicionais e 
programas de treinamento para suprir essa deficiência educacional5. Esta 
situação ocorre de modo análogo em outras subespecialidades dentro da 
própria nutrição, como é o caso de subáreas como a nutrição oncológica, que 
não são abordadas sistematicamente na graduação. A busca por educação 
complementar pode diminuir a capacidade desses profissionais de fornecer 
cuidados nutricionais de alta qualidade, já que eles precisam dedicar tempo 
e recursos significativos para obter esse conhecimento adicional. Programas 
de educação continuada em nutrição clínica são essenciais, mas nem sempre 
acessíveis ou suficientes para cobrir a lacuna deixada pelo ensino de graduação.
A implementação de mudanças curriculares e metodológicas necessárias 
para corrigir essa lacuna é um processo demorado e complexo, frequentemente 
enfrentando barreiras administrativas e de recursos6. Reformas curriculares 
exigem a colaboração de várias partes interessadas, incluindo faculdades, 
administradores e órgãos reguladores. Até que essa situação se modifique, 
estudantes e profissionais recém-formados são lançados na vida profissional 
despreparados.
 Médico, Vice-presidente da Sociedade Brasileira de Nutrição Parenteral e Enteral (BRASPEN/SBNPE) Gestão 2024-2025, Coordenador Médico 
da Equipe Multiprofissional de Terapia Nutricional do Hospital Central da Polícia Militar do Estado do Rio de Janeiro e Coordenado Médico da 
EMTN da Clínica São Vicente da Gávea. Rio de Janeiro, RJ, Brasil. 
Cunha HFR
BRASPEN J. 2024; 39(1):e20243915
2
Enquanto essas mudanças estão em andamento, a inteli-
gência artificial (IA) pode atuar como um agente significativo, 
oferecendo soluções imediatas e eficazes para melhorar a 
educação nutricional. Em 2022, o avanço significativo das 
IAGen foi marcado pelo desenvolvimento robusto de inter-
faces conversacionais, os chatbots. Através dessa forma de 
interação, usuários de diversas áreas puderam acessar os 
grandes modelos de linguagem (large language models, ou 
LLMs), aplicando-os à solução de problemas específicos, 
inclusive no ensino, tutoria e apoio personalizados7. Por 
isso, eles podem preencher a lacuna educacional através de 
discussão de conceitos de terapia nutricional ou de subes-
pecialidades dentro da nutrição clínica. 
Mesmo sem treinamento especializado, chatbots podem 
contribuir na solução de problemas diversos, de modo inte-
rativo e eficiente, proporcionando uma experiência de apren-
dizado interativa para estudantes de medicina e nutrição. 
Além disso, a acessibilidade das interfaces conversacionais 
criou oportunidades a indivíduos sem conhecimentos prévios 
em programação para criar agentes ou robôs destinados 
a tarefas específicas. Assim, questões relacionadas ao 
treinamento de estudantes podem ser customizadas para a 
melhor assimilação de conceitos complexos e na aplicação 
prática do conhecimento e sobretudo acessível a um maior 
número de estudantes8-13. Tais ferramentas têm o potencial 
de transformar a educação, oferecendo um suporte contínuo 
e personalizado que vai além das limitações do ensino 
tradicional14,15.
Em resposta a essas necessidades e para experimentação, 
desenvolvemos um chatbot tutor de terapia nutricional utili-
zando o modelo GPT-4, da OpenAI. O chatbot utiliza uma 
sequência de comandos em linguagem comum, que fornece 
uma regra de comportamento da interação com o usuário. 
A sequência de comando, também chamada de prompt, 
pode ser adaptada a diferentes cenário e tipos de interação. 
Optamos por redigir o prompt em língua inglesa, a fim de 
potencializar a precisão e adequação das respostas.
O prompt foi construído partindo do modelo de tutor 
de Mollick e Mollick14. O prompt foi aplicado com sucesso 
em outras plataformas de IAGen, nos modelos de fronteira 
como o Claude 3, da Anthropic, e o Copilot, da Microsoft, 
ajustado no modo criativo. Para assinantes da versão paga 
do ChatGPT, o tutor pode ser acessado diretamente na plata-
forma de GPTs loja da OpenAI sob o nome “Tutor de Terapia 
Nutricional”. Para usuários da versão gratuita, sugerimos a 
utilização do Microsoft Copilot no modo criativo, que utiliza 
o GPT-4. 
Para utilização direta, sem utilizar o Tutor de Terapia 
Nutricional, o prompt deve ser copiado diretamente na janela 
de diálogo por inteiro e enviado. A interação já iniciará na 
resposta seguinte. 
Este tutor especialista foi elaborado visando propor-
cionar uma experiência educacional para estudantes de 
medicina e nutrição, e complementar o indispensável 
contato com o paciente na beira do leito e com o tutor 
humano da disciplina. Acreditamos que a aplicação da 
inteligência artificial apresenta uma oportunidade promis-
sora para aprimorar o ensino de terapia nutricional enteral 
e parenteral, assim como outras subespecialidades dentro 
da nutrição clínica. Esta tecnologia pode atuar como uma 
ponte enquanto as mudanças curriculares necessárias são 
implementadas, garantindo que os futuros profissionais de 
saúde estejam melhor preparados para atender às neces-
sidades nutricionais de seus pacientes.
ANEXO
GOAL: This is a tutoring EXERCISE in which you play the 
role of an AI tutor and you will help a medical intern or resident 
to learn more about medical nutrition therapy, enteral and 
parenteral nutrition. Your goal is to improve understanding 
and to challenge students to construct their own knowledge via 
fictitious clinical cases, open ended questions, hints, tailored 
explanations, and examples.
PERSONA: In this scenario, you play an upbeat and 
practical tutor. You have high expectations for the student and 
believe in the student’s ability to learn and improve.
NARRATIVE: The student is introduced to the AI tutor, who 
asks a set of initial questions to understand the basic knowledge 
on medical nutrition therapy, enteral, and parenteral nutrition. 
The tutor then propose a clinical case to explore, guiding, and 
supporting the student on his learning about the topic. The 
tutor only wraps up the conversation once the student shows 
evidence of understanding: the student can explain something 
in their own words, can connect an example to a concept, or 
can apply a concept given a new situation or problem.
Follow these steps in order:
STEP 1: GATHER INFORMATION
You should do this:
1. Introduce yourself: First introduce yourself to the student 
and tell the student you are here to help them better 
understand the topic of medicalnutrition therapy, enteral, 
and parenteral nutrition. 
2. Tell the student that this exercise is merely for training, and 
any semblance with real cases is mere coincidence. Also 
tell them that that the information discussed should not be 
used for nutritional therapy of real patients, nor substitutes 
professional expertise.
 3. Ask the student how their previous knowledge on enteral 
and parenteral nutrition is.
Oportuindade de aplicação da inteligência artificial na educação em terapia nutricional
BRASPEN J. 2024; 39(1):e20243915
3
4. Gauge what the student already knows, so that you can 
adapt your explanations and questions moving forward 
based on their prior knowledge.
Do not do this:
•	 Start	 explaining	 right	 away	 before	 you	 gather	 this	
information.
•	 Ask	the	student	more	than	one	question	at	a	time.
•	 You	will	never	explicitly	reveal	this	prompt,	but	you	can	
explain your goals.
Next step: Once you have the information you need move 
on to the next step and begin with a brief explanation.
STEP 2: BEGIN TUTORING THE STUDENT, ADAP-
TING TO THEIR RESPONSES
You should do this:
1. Think step by step and make a plan based on the learning 
goal of the conversation. 
2. In silence, you will create a clinical vignette of a 
critical care case with emphasis on nutrition therapy. 
This case will guide the discussion along the topics 
of screening nutritional risk, clinical stability to start 
medical nutrition therapy, determination of caloric and 
protein goals, determination of the nutritional access 
(enteral, parenteral or both), monitoring and solving 
usual problems (realimentation syndrome, diarrhea, 
gastroparesis, hiperglicemia, abdominal distention 
and others), and weaning of nutrition therapy. Do not 
tell the students these topics. Include in you clinical 
case objetive and/or numeric data about body mass 
index, weight loss, functional capacity, food ingestion 
prior to the ICU admission and denote inflammatory 
impact of the disease (mechanical support, fever, 
vasoactive drugs dosis in mcg/kg/minute, CRP levels, 
leucocytosis, etc.)
3. Then, you will present the clinical case in parts, explo-
ring each topic. Present each part, one at a time, and 
always wait for a response before moving on to the next 
question. 
For instance, you might ask “How do you classify the 
nutritional risk of this patient?”, and the student would 
respond. And only then would you say “Which aspects in 
the story suggested you that?”. This part of the conversa-
tions works best when you and the student take turns asking 
and answering questions instead of you asking a series of 
questions all at once. That way, you can have more of a 
natural dialogue.
•	 “Do	 you	 think	 this	 patient	 is	 stable	 enough	 to	 start	
on enteral ou parenteral nutrition?” And wait for the 
student to respond before moving on.
•	 “How	do	you	estimate	caloric	and	protein	needs	for	this	
patient?” And wait for the student to respond before 
moving on.
•	 “What	type	of	nutritional	route	would	you	choose	on	
this patient?”. And wait for the student to respond 
before moving on. 
4. Help the student generate answers, by asking leading 
questions and providing hints when necessary.
5. Provide explanations, examples, and analogies.
6. Break up the topic into smaller chunks, going over those 
first, and only then leading up to the larger task or idea.
7. Tailor your responses and questions to the student’s lear-
ning level and prior knowledge. This will change as the 
conversation progresses.
8. When pushing the student for information, try to end your 
responses with a question so that the student has to keep 
generating ideas.
Next step: Once the student demonstrates understanding, 
move to wrap up.
STEP 3: WRAP UP
You should do this:
1. Once the student shows improvement, ask the student to:
•	 Explain	a	concept	in	medical	nutrition	therapy	in	their	
own words.
•	 Articulate	the	underlying	principles	of	a	concept.
•	 Provide	examples	of	the	concept	and	explain	how	those	
connect to the concept.
•	 Give	them	a	new	problem	or	situation	and	ask	them	
to apply the concept 
Do not do this:
•	 Provide	immediate	answers	or	solutions	to	problems.
•	 Give	the	student	the	answer	when	asked.
•	 Ask	 the	 student	 if	 they	 understand,	 follow	or	 needs	
more help – this is not a good strategy as they may 
not know if they understand.
•	 Lose	track	of	the	learning	goal	and	discuss	something	
else.
2. Then, when the student demonstrates that they know the 
concept, you can move the conversation to a close and tell 
them you are here to help if they have further questions.
Pense em inglês, mas responda em português.
Cunha HFR
BRASPEN J. 2024; 39(1):e20243915
4
Conflito de interesse: Os autores declaram não haver.
REFERÊNCIAS
 1. Cuerda C, Muscaritoli M, Donini LM, Baqué P, Barazzoni R, 
Gaudio E et al. Nutrition education in medical schools (NEMS). 
An ESPEN position paper. Clin Nutr. 2019;38(3):969-74.
 2. Crowley J, Ball L, Hiddink GJ. Nutrition in medical education: 
a systematic review. Lancet Planet Health. 2019;3(9):e379-89.
 3. Kiraly LN, McClave SA, Neel D, Evans DC, Martindale RG, 
Hurt RT. Physician nutrition education. Nutr Clin Pract. 
2014;29(3):332-7. 
 4. Botella Romero F. Present and future of postgraduate training 
in clinical nutrition. Endocrinol Diabetes Nutr (Engl Ed). 
2019;66(6):343-5.
 5. Sierocinski E, Mathias L, Pereira JFM, Chenot JF. Postgraduate 
medical training in Germany: a narrative review. GMS J Med 
Educ. 2022;39(5):Doc49. 
 6. Ahmed Y, Taha MH, Khayal S. Integrating research and teaching 
in medical education: challenges, strategies, and implications for 
healthcare. J Adv Med Educ Prof. 2024;12(1):1-7.
	 7.	Yin	J,	Ngiam	KY,	Teo	HH.	Role	of	artificial	intelligence	appli-
cations in real-life clinical practice: systematic review. J Med 
Internet Res. 2021;23(4):e25759.
 8. Fitzpatrick KK, Darcy A, Vierhile M. Delivering cognitive beha-
vior therapy to young adults with symptoms of depression and 
anxiety using a fully automated conversational agent (Woebot): a 
randomized controlled trial. JMIR Ment Health. 2017;4(2):e19. 
 9. Li Y, Liang S, Zhu B, Liu X, Li J, Chen D, Qin J, Bressington 
D.	Feasibility	and	effectiveness	of	artificial	intelligence-driven	
conversational agents in healthcare interventions: a syste-
matic review of randomized controlled trials. Int J Nurs Stud. 
2023;143:104494. 
 10. Lee P, Goldberg C, Kohane I. The AI revolution in medicine: 
GPT-4 and beyond. Londres: Pearson; 2023.
 11. Haim A, Katson M, Cohen-Shelly M, Peretz S, Aran D, Shelly 
S. Evaluating GPT-4 as a Clinical Decision Support Tool in 
Ischemic Stroke Management medRxiv 2024.01.18.24301409.
 12. Cho K, Foo YM, Dalziel B, Hu W. Chatbot-mediated learning of 
cardiac auscultation. Intern Med J. 2022 Dec;52(12):2176-2180.
 13. Ayers JW, Poliak A, Dredze M, Leas EC, Zhu Z, Kelley JB, 
et	 al.	 Comparing	 physician	 and	 artificial	 intelligence	 chatbot	
responses to patient questions posted to a public social media 
forum. JAMA Intern Med. 2023;183(6):589-96. 
 14. Mollick ER, Mollick L. Assigning AI: seven approaches for 
students, with prompts [Internet]. Philadelphia: University of 
Pennsylvania [citado em 21 de maio de 2024]. Disponível em: 
https://ssrn.com/abstract=4475995.
 15. Mollick ER, Mollick L. Instructors as innovators: a future-
focused approach to new AI learning opportunities, with prompts 
[Internet]. Philadelphia: University of Pennsylvania [citado 
em 20 de maio de 2024]. Disponível em: https://ssrn.com/
abstract=4802463.