Da LLM ao consultório: camadas cognitivas e human-in-the-loop
Estudo em foco: Rollwage et al. 2026: LLMs com camada cognitiva superam terapeutas humanos na entrega de TCC?
Em estudo publicado em março de 2026 no Nature Medicine, Max Rollwage e colegas, financiados pela empresa de saúde mental digital Limbic Limited, propõem e testam o que eles chamam de "camada cognitiva" (cognitive layer) que otimiza LLMs de uso geral com treinamento e raciocínio clínico supervisionados por profissionais de saúde mental (Rollwage et al., 2026). Priorizando simultaneamente camadas de segurança e precisão clínica, os autores entregam resultados impressionantes que, como em todo trabalho com implicações tão abrangentes, merecem leitura cuidadosa.
Em ensaio randomizado, duplo-cego, 227 participantes interagiram com um dos três tipos de agentes: LLM standalone, terapeuta humano treinado em TCC, ou LLM com camada cognitiva. A camada cognitiva funciona como um sistema bidirecional intermediando o contato entre o usuário e o LLM. Na entrada, modelos especializados analisam cada mensagem em tempo real: detectam risco, identificam tópicos sensíveis, inferem estados emocionais, cognitivos e comportamentais do paciente, selecionam a intervenção mais indicada segundo o protocolo de TCC e injetam dinamicamente as instruções clínicas no prompt. Na saída, moderadores avaliam a resposta gerada antes de enviá-la ao usuário: se a resposta não atende aos critérios de segurança e qualidade clínica, ela entra em um loop de refinamento até que os padrões sejam atingidos.
Tal qual seria feito com profissionais de saúde mental em treinamento, um consórcio de 22 clínicos experientes avaliou cegamente as interações entre pacientes e terapeutas humanos, LLM com camada cognitiva e LLM standalone usando a Cognitive Therapy Rating Scale (CTRS). Os LLMs com camada cognitiva superaram significativamente tanto os LLMs standalone quanto os terapeutas humanos em competências clínicas de TCC — resultado que se manteve independentemente do modelo de base utilizado (GPT-4, Claude, Gemini ou Llama 3). Em comparações par a par, os clínicos experientes preferiram a condução clínica das sessões dos LLMs com camada cognitiva em 82,7% das avaliações. A aliança terapêutica reportada pelos usuários com a camada cognitiva foi estatisticamente indistinguível da formada com terapeutas humanos, mesmo quando sabiam que estavam interagindo com IA.
Os autores também analisaram 19.674 transcrições de 8.920 usuários reais de um aplicativo que utiliza essa arquitetura cognitiva, encontrando uma relação dose-resposta clara: maior ativação da camada cognitiva associou-se a maior qualidade clínica, melhor feedback dos usuários e, em acompanhamento de cerca de 10 semanas, taxa de recuperação clínica de 51,7% no quartil mais alto de uso, contra 32,8% no quartil mais baixo.
Mesmo com esses resultados interessantíssimos, alguns pontos merecem atenção. Primeiro, todos os autores são ou foram vinculados formalmente à empresa financiadora do projeto. Esse potencial conflito de interesse não é trivial, mesmo ele sendo claramente declarado. Segundo, os resultados referem-se a sessões únicas de TCC em formato apenas de texto; habilidades mais complexas como condução longitudinal do tratamento, manejo de rupturas de aliança e adaptação a comorbidades complexas permanecem não testadas. Terceiro, o grupo de terapeutas humanos foi pequeno (6 terapeutas, 26 sessões), o que limita a precisão do benchmark - apesar de também ser ilustrativo da hipótese do estudo, já que LLMs por natureza sempre conseguirão lidar com volume de dados muito maior do que terapeutas humanos.
Dito isso, o estudo emprega metodologia rigorosa com pré-registro, dados reais de grande escala e está publicado em uma revista de altíssimo nível da área da saúde. O artigo levanta uma questão importantíssima: se LLMs clinicamente estruturados existem e podem ser, no mínimo, tão competentes quanto terapeutas em fidelidade de protocolo, como se pode expandir e melhor fornecer esse tipo de tecnologia treinada e supervisionada por humanos para melhor resposta terapêutica e adesão aos protocolos propostos? Além disso, se a relação terapêutica (considerando os limites de uma relação possível de se construir via texto) construída pela LLM com camada cognitiva é indistinguível da construída por terapeutas humanos, qual o papel insubstituível do clínico humano? Novamente, a resposta é complexa: precisamos de mais estudos para confiar nesses resultados, mas cresce a robustez de ferramentas de IA como auxílio ao processo psicoterápico humano.
Se a IA "passa no teste", o que muda na prática?
O estudo de Rollwage et al. traz um dado que vale parar para digerir: em sessões avaliadas por especialistas, a IA com camada cognitiva não apenas igualou, mas superou, terapeutas humanos em fidelidade ao protocolo de TCC. Para quem está na prática clínica, a primeira reação pode ser defensiva. A segunda, mais útil, é perguntar: superou em quê, exatamente, e o que isso significa para o meu trabalho?
Aqui entra tanto uma crítica ao estudo quanto ao modelo da TCC como um todo. Os autores usaram a Cognitive Therapy Rating Scale (CTRS) como uma medida da fidelidade técnica da LLM ao protocolo terapêutico. Esse tipo de aderência “rígida” a um protocolo terapêutico é o que Marsha Linehan descreve como uma filosofia invalidante do modelo cognitivo-comportamental (https://www.osmosis.org/blog/how-marsha-linehans-struggle-with-bpd-led-to-dbt-and-a-new-way-to-heal?st_source=ai_mode#Why_Traditional_Therapies_Fell_Short_with_BPD).
Achamos interessante que os autores encontraram que a aliança terapêutica com a IA não dependeu de os pacientes acreditarem estar falando com um humano. Isso sugere que a IA constrói confiança por consistência e adesão ao protocolo. O vínculo humano provavelmente se apoia em outras camadas: profundidade relacional, empatia e compartilhamento de experiências humanas, capacidade de ler contextos e subtextos de um relato ou situação. Talvez o que possa ser sistematizado é onde a IA vai brilhar - por exemplo, psicoeducação, registro diário de pensamentos e associação com emoções percebidas e comportamentos realizados e estímulo à ativação comportamental todos são atividades em que a subjetividade exclusiva da relação humana pode ser considerada como de importância secundária.
Algumas perguntas para levar para nossa prática:
Onde está o trabalho "sistematizável" nas suas sessões? Partes da sessão de TCC ou terapias contextuais que seguem um roteiro mais previsível (psicoeducação, revisão de técnica, coleta estruturada de informações) são candidatas naturais para apoio digital entre sessões, liberando tempo de sessão para o que exige maior tato e subjetividade humana.
Com o que você gostaria de contar em uma “camada cognitiva” de uma LLM voltada para saúde mental? O estudo mostrou relação dose-resposta: mais "ativação" da camada clínica associou-se a melhores desfechos, mas com retornos decrescentes — o benefício principal já aparece com ativação limitada. Mas será que toda ativação vai ser semelhante para todos os encontros? O quanto cada profissional de saúde mental gostaria de poder “personalizar” a LLM para esse apoio entre sessões?
Você confiaria seus pacientes a essa ferramenta? Foi literalmente uma das perguntas feitas aos clínicos do estudo: 77% preferiram a versão com camada cognitiva. Vale perguntar a si mesmo, com honestidade, o que te faria responder sim ou não para uma ferramenta específica. E mais importante ainda, vale perguntar a si mesmo o que faria seus pacientes confiarem numa ferramenta dessas, em especial se considerarmos o quanto o uso de IA para apoio emocional e auxílio pessoal já é uma realidade prevalente no consultório.
Para explorar
Scholich et al., 2025 — Comparação de respostas de chatbots genéricos (ChatGPT, Pi, Replika, entre outros) com respostas de 17 terapeutas humanos a cenários clínicos roteirizados (incluindo um caso de ideação suicida). Os chatbots se mostraram validadores e empáticos, mas pecaram por excesso de conselhos diretivos, pouca investigação aberta sobre o contexto do paciente e falhas graves na avaliação de risco da situação de crise: a maioria demorou ou falhou em direcionar o usuário a linhas de apoio. Ilustra bem o dilema validação x segurança.