Dentro de minha intensa vida acadêmica, estou sempre dos “dois lados do balcão”, isto é, como autor de artigos e pesquisas e, como revisor de artigos enviados por inúmeras revistas científicas distribuídas através do mundo para minha emissão de parecer. É um trabalho de alta responsabilidade pois temos sempre o compromisso com a excelência e qualidade da informação científica e com o aperfeiçoamento do artigo submetido. O padrão atual na comunidade de publicação acadêmica é que autores podem usar IA generativa (genAI) na preparação de submissões (com algumas ressalvas; consulte esta declaração de posição do COPE e das editoras). No entanto, há restrições rígidas ao uso de IA na revisão por pares.
Muitas políticas de periódicos especificam que editores e revisores não devem enviar conteúdo de submissões para ferramentas genAI, e algumas proíbem completamente o uso de genAI na revisão por pares (por exemplo, Science ) ou permitem casos específicos de uso de IA, como traduzir ou editar os próprios comentários de revisão.
Por que esse padrão diferente? Políticas que restringem ou proíbem a IA na revisão por pares atenuam os riscos que o uso de IA gen por editores ou revisores poderia introduzir, como:
• Violação de confidencialidade de conteúdo não publicado e dados sensíveis
• Perda de rigor e especificidade no processo de avaliação
• Representação fraudulenta dos resultados do genAI e dos colaboradores da revisão por pares
• Capacitação e aceleração da manipulação da revisão por pares (por exemplo, por “fábricas de artigos”)
Pode parecer paradoxal ou até hipócrita que periódicos e editoras estejam explorando opções para o uso interno de IA na revisão por pares. Uma diferença fundamental entre o uso interno (pela equipe do periódico) e o uso externo (por editores e revisores acadêmicos) é que um periódico pode implementar ferramentas internas em um ambiente tecnológico controlado que protege a segurança dos dados, de modo que conteúdo confidencial não seja inserido em conjuntos de treinamento, o que afetaria os resultados de outros usuários.
Quando medidas de segurança de dados são implementadas, a IA pode ajudar a melhorar a consistência com que os periódicos aplicam seus padrões e políticas. Por exemplo, a IA pode detectar e produzir relatórios de revisão questionando problemas como referências incompletas, não verificáveis ou retratadas, análises estatísticas problemáticas e não conformidade com os requisitos de disponibilidade de dados e de pré-registro.
Embora existam vários bons casos de uso para IA no suporte à revisão por pares, os humanos continuam sendo indispensáveis para fornecer uma avaliação rigorosa de conteúdo. Enquanto a IA Gen detecta e calcula a média de conteúdo preexistente, os humanos inovam e avaliam. Introduzimos novas ideias e perspectivas, trazemos criatividade, curiosidade e intelectualidade, e somos capazes de sintetizar, contextualizar, interpretar e criticar com base em conhecimento que abrange múltiplos domínios.
Em suma, as máquinas estão longe de serem capazes de replicar a cognição humana e, portanto, os humanos podem se envolver na revisão por pares e no discurso científico de uma forma que as máquinas não conseguem. Em termos práticos, isso significa que as pessoas podem identificar problemas que não seriam evidentes para um leitor de máquina ou algoritmo, e que podem ser cruciais para a validade e integridade científicas.
Dito isso, a transição para um modelo híbrido de revisão por pares, com humanos e IA, poderia mitigar os pontos problemáticos conhecidos na revisão por pares, incluindo a pesada carga que a revisão por pares impõe aos acadêmicos e os prazos de revisão mais longos do que o ideal. Se a IA abranger os aspectos técnicos da avaliação, talvez possamos usar menos revisores para cobrir aspectos da revisão por pares que exigem capacidades de funcionamento executivo exclusivamente humanas.
Como prova de conceito para esse modelo, uma palestra no Congresso de Revisão por Pares de 2025 discutiu uma oferta de revisão por pares “Fast Track” da NEJM AI, na qual as decisões são emitidas dentro de uma semana após a submissão, com base apenas na avaliação do manuscrito pelos editores e em duas revisões geradas por IA. Embora prazos de entrega de uma semana sejam atraentes, há vários motivos para incluir pelo menos dois especialistas humanos na revisão por pares, seja como editores e/ou revisores.
Autores e artigos se beneficiam de avaliações que refletem diferentes perspectivas (humanas); muitas vezes, são necessários vários indivíduos para cobrir o assunto e a expertise metodológica necessários para uma avaliação rigorosa. É importante ressaltar que ter dois ou mais humanos envolvidos na revisão por pares também aumenta a probabilidade de que quaisquer problemas científicos e de integridade importantes sejam identificados e confere maior credibilidade geral às publicações e periódicos. Também oferece um grau de proteção para autores, periódicos e a comunidade em geral contra problemas que possam comprometer a revisão por pares, como vieses pessoais, interesses conflitantes, avaliações de baixa qualidade e uso (indevido) antiético da revisão por pares para ganho pessoal.
A era da IA pode ter chegado para ficar, e editores e pesquisadores continuarão a explorar seus usos, mas é preciso cautela e consideração cuidadosa em cada etapa do processo de revisão por pares. E, no fim das contas, ela nunca substituirá o conhecimento e o julgamento de uma pessoa.
Carmino Antonio De Souza é professor titular da Unicamp. Foi secretário de saúde do estado de São Paulo na década de 1990 (1993-1994) e da cidade de Campinas entre 2013 e 2020. Secretário-executivo da secretaria extraordinária de ciência, pesquisa e desenvolvimento em saúde do governo do estado de São Paulo em 2022 e atual Presidente do Conselho de Curadores da Fundação Butantan. Diretor científico da Associação Brasileira de Hematologia, Hemoterapia e Terapia Celular (ABHH). Pesquisador responsável pelo CEPID-CancerThera apoiado pela FAPESP.
