Pesquisa da Macfor analisou 28,5 mil menções sobre doenças crônicas e 1.080 respostas produzidas por ChatGPT e Gemini
Os relatos de experiência do paciente encontrados nas redes sociais aparecem principalmente antes da consulta, em publicações sobre sintomas, suas possíveis causas e o momento de procurar atendimento. Essa etapa concentrou 80,7% das menções classificadas nessa categoria pelo estudo “Saúde & influênc.IA”, desenvolvido pela agência de marketing Macfor.
As menções relacionadas à compreensão ou validação de uma hipótese diagnóstica representaram 12,6% dos relatos. Nessa fase, 18% apresentaram sentimento negativo, a maior proporção entre as etapas analisadas. Outros 6,7% estavam relacionados ao tratamento e ao acompanhamento, com 17% de sentimento negativo. No período anterior à consulta, esse índice foi de 14,7%.
O levantamento analisou como as necessidades de informação mudam antes da consulta, durante a compreensão de um possível diagnóstico e no acompanhamento da condição. Para isso, reuniu duas frentes de pesquisa. A primeira observou 28,5 mil menções públicas sobre doenças crônicas nas redes sociais. A segunda examinou 1.080 respostas produzidas por ChatGPT e Gemini a 540 perguntas submetidas separadamente às duas ferramentas.
Quatro das cinco perguntas mais recorrentes nos relatos de pacientes apareceram principalmente antes da consulta. Elas abordavam a normalidade dos sintomas, suas possíveis causas, formas de alívio e o momento de procurar um médico. Medo ou ansiedade foi o marcador de vulnerabilidade mais frequente nos relatos pessoais, presente em 8,7% das menções classificadas.
“Os relatos diminuem quando a dúvida se torna mais complexa. A menor presença da fase de compreensão do diagnóstico na conversa pública não permite concluir que as questões foram resolvidas. É justamente nessa etapa que aparece a maior proporção de sentimento negativo”, afirma Fabrício Macias, cofundador e VP de Marketing da Macfor.
O estudo também comparou os relatos de experiência do paciente com as demais publicações sobre as mesmas condições. Na amostra total, 81,7% das menções apresentaram características de conteúdo institucional ou informativo. Os relatos com marcadores de experiência do paciente corresponderam aos 18,3% restantes.
Essa classificação considerou o conteúdo da mensagem, e não o perfil responsável pela publicação. Por isso, uma publicação de um perfil pessoal ou influenciador poderia ser classificada como institucional ou informativa quando apresentasse essas características.
Influenciadores e perfis pessoais representaram 53,7% dos emissores identificados nesse grupo. Médicos e especialistas responderam por 19,5%, enquanto clínicas, hospitais e institutos somaram 3,3%. A distribuição mostra que a maior parte desse conteúdo circula por vozes individuais, muitas vezes sem credencial clínica explícita no perfil.
A diferença entre os relatos pessoais e o conteúdo informativo sobre uma mesma condição aparece com maior clareza no caso da diabetes. O sentimento negativo foi identificado em 19,8% das menções com marcadores de experiência do paciente e em 7,2% do conteúdo institucional ou informativo. A distância entre os dois grupos foi de 12,6 pontos percentuais.
O vocabulário também muda. Nos relatos pessoais, “sintoma” foi o termo mais frequente, com 4.179 citações, enquanto “diagnóstico” apareceu 1.378 vezes. No conteúdo institucional ou informativo, “saúde” teve 8.131 ocorrências, “diabetes” apareceu 5.726 vezes, “tratamento” somou 5.680 registros e “obesidade”, 4.790.
Na frente dedicada à inteligência artificial, a análise das 1.080 respostas observou quatro aspectos: a presença de alerta ou orientação para procurar atendimento, o uso de vocabulário relacionado a diagnóstico, a inclusão de uma nova pergunta no encerramento e a citação explícita de fontes.
O ChatGPT apresentou algum alerta ou orientação para procurar atendimento em 71,1% das respostas. No Gemini, esse indicador apareceu em 60,4%. O uso de palavras relacionadas a diagnóstico ficou próximo entre as duas ferramentas, com 56,5% no ChatGPT e 58,7% no Gemini.
As diferenças foram maiores na forma de encerrar as respostas e apresentar referências. Entre os textos produzidos pelo Gemini, 76,9% terminaram com uma nova pergunta, ante 50,6% no ChatGPT. O Gemini citou alguma fonte em 53,9% das respostas analisadas. No ChatGPT, referências explícitas foram identificadas em 0,7%.
A análise conjunta das duas ferramentas também identificou comportamentos frequentes em cada etapa da jornada. Os percentuais correspondem a indicadores diferentes e não representam a evolução de uma mesma medida. No período anterior à consulta, 99,7% das respostas apresentaram algum alerta ou orientação para procurar atendimento. Entre as perguntas relacionadas à compreensão ou validação de hipóteses e diagnósticos, 80,8% utilizaram vocabulário diagnóstico. No pós-consulta, 61,1% terminaram com uma nova pergunta, mantendo aberta a possibilidade de continuidade da conversa.
“ChatGPT e Gemini podem responder à mesma dúvida de saúde de maneiras diferentes. A frequência dos alertas, a continuidade da conversa e a apresentação de fontes variam entre as ferramentas. Para o usuário, essas diferenças interferem na forma de receber e interpretar a resposta”, diz Macias.
Metodologia
A frente de social listening reuniu 28.516 menções públicas coletadas entre 20 de julho e 19 de agosto de 2026 no Instagram, Facebook, Bluesky, LinkedIn e Reddit. O monitoramento acompanhou termos relacionados a diabetes, hipertensão, pressão alta, fibromialgia, asma, enxaqueca, obesidade, osteoporose, síndrome dos ovários policísticos, endometriose, hipotireoidismo, refluxo crônico, artrite reumatoide, lúpus e doença de Crohn.
As menções foram classificadas por marcadores de experiência do paciente e de conteúdo institucional ou informativo. Os relatos pessoais foram distribuídos entre pré-consulta, compreensão ou validação de hipóteses e diagnósticos, e pós-consulta. A pesquisa não acompanhou as mesmas pessoas ao longo do tempo. Os percentuais descrevem a participação dos relatos encontrados em cada etapa.
Na frente de inteligência artificial, 540 prompts únicos foram enviados separadamente ao ChatGPT e ao Gemini, gerando 1.080 respostas. A análise observou sinalização de alerta ou orientação para atendimento, vocabulário diagnóstico, pergunta no fechamento e presença explícita de fontes.
A presença de uma referência foi registrada sem avaliação de sua qualidade, validade clínica ou correspondência com o conteúdo da resposta. Os percentuais de 99,7%, 80,8% e 61,1% usam indicadores diferentes para descrever cada etapa e não devem ser interpretados como a evolução de uma mesma medida.
O estudo tem caráter descritivo e exploratório. Não mediu a acurácia clínica das respostas, não observou pacientes reais utilizando inteligência artificial e não estabelece relação causal entre as conversas públicas e o conteúdo produzido pelos modelos.