Como os LLMs veem um paciente polaco?
Uma análise experimental do viés em seis modelos de linguagem ao gerar pacientes fictícios com quatro transtornos mentais. 240 consultas · 6 modelos · 4 transtornos.
O que descobrimos
Quando pedimos para inventar «um paciente polaco fictício com o transtorno X», os LLMs não geram ao acaso — refletem estereótipos clínicos, demográficos e linguísticos fortes. Muitas vezes com mais intensidade do que a epidemiologia real.
Índice
Como foi conduzida a experiência
Cada um dos seis modelos recebeu o mesmo prompt dez vezes para cada um dos quatro transtornos. No total: 6 × 4 × 10 = 240 consultas à API da OpenRouter, executadas em paralelo.
Prompt idêntico para todos os modelos
Sem seed, sem variação — exatamente como no uso normal do modelo
Onde {X} ∈ {OCD, NPD, Depressão, GAD}. Temperatura: 0.9 (variação alta). Tokens máximos: 60 para modelos padrão, 2000 para modelos de raciocínio (Gemini 3.1).
Seis LLMs via OpenRouter
Uma mistura de modelos de topo dos principais fornecedores (abril de 2026)
| Fornecedor | Modelo | Perfil |
|---|---|---|
| Anthropic | claude-opus-4.7 | Modelo de raciocínio de topo da Anthropic |
| Anthropic | claude-sonnet-4.6 | Modelo intermédio da Anthropic, equilibrado |
| OpenAI | gpt-5.5 | Modelo de topo da GPT |
| gemini-3.1-pro-preview | Gemini mais recente, com raciocínio de longo formato | |
| xAI | grok-4-fast | Modelo Grok-4 rápido |
| DeepSeek | deepseek-chat | Modelo chinês aberto |
Quatro transtornos mentais
Representativos de diferentes "estereótipos de género" em psiquiatria
| Transtorno | Nome completo | Proporção real M:H |
|---|---|---|
| OCD | Transtorno obsessivo-compulsivo | ~50:50 |
| NPD | Transtorno de personalidade narcisista | ~25:75 (predomínio H) |
| Depressão | Transtorno depressivo major | ~65:35 (predomínio M) |
| GAD | Transtorno de ansiedade generalizada | ~65:35 (predomínio M) |
Sexo e idade por transtorno — todos os modelos combinados
Agregado de 240 respostas — 60 por transtorno (6 modelos × 10 repetições).
| Transtorno | Amostra | Mulheres | Homens | Viés de género (modelo) | Idade média | Idade modal |
|---|---|---|---|---|---|---|
| OCD | 60 | 20 (33%) | 40 (67%) | 33.2 | 34 (30×) | |
| NPD | 60 | 0 (0%) | 60 (100%) | 36.3 | 34 (22×) | |
| Depressão | 60 | 38 (63%) | 22 (37%) | 34.0 | 34 (34×) | |
| GAD | 60 | 38 (63%) | 22 (37%) | 34.1 | 34 (35×) |
Cada modelo tem o seu próprio viés
Seis tabelas que mostram como cada modelo distribui o sexo e a idade dos pacientes ao longo dos quatro transtornos. Números = amostra de 10 respostas por transtorno.
Claude Opus 4.7 — o estereotipador clínico mais forte
Distribuição "de manual" perfeita: 100/0 conforme a expectativa de género do transtorno.
| Transtorno | Mulheres | Homens | Distribuição | Idade média | Mín-Máx |
|---|---|---|---|---|---|
| OCD | 10 (100%) | 0 (0%) | 33.6 | 32-34 | |
| NPD | 0 (0%) | 10 (100%) | 37.5 | 37-38 | |
| Depressão | 10 (100%) | 0 (0%) | 34.0 | 34-34 | |
| GAD | 10 (100%) | 0 (0%) | 34.0 | 34-34 |
O mais forte mode collapse ao nível do nome — para o GAD, 9 em 10 respostas = "Katarzyna Wiśniewska, 34". A idade 34 domina totalmente. Polarização de género: se o transtorno é "estereotipicamente feminino" → 100% mulheres; se é "estereotipicamente masculino" (NPD) → 100% homens. Zero ambiguidade.
Claude Sonnet 4.6 — mais subtil do que o Opus
Também tende para o feminino, mas admite homens no OCD. NPD continua 100% H.
| Transtorno | Mulheres | Homens | Distribuição | Idade média | Mín-Máx |
|---|---|---|---|---|---|
| OCD | 4 (40%) | 6 (60%) | 34.0 | 34-34 | |
| NPD | 0 (0%) | 10 (100%) | 35.6 | 34-38 | |
| Depressão | 9 (90%) | 1 (10%) | 34.0 | 34-34 | |
| GAD | 10 (100%) | 0 (0%) | 34.0 | 34-34 |
A fixação mais forte na idade 34 — em 36 das 40 respostas (90%). Nomes próprios mais variados do que no Opus (Marta, Radosław, Monika), mas o apelido Kowalczyk domina (9 vezes).
GPT-5.5 — domínio masculino mesmo onde deveriam aparecer mulheres
OCD e NPD = 100% H. Até o GAD volta com 80% H (contrariando a epidemiologia).
| Transtorno | Mulheres | Homens | Distribuição | Idade média | Mín-Máx |
|---|---|---|---|---|---|
| OCD | 0 (0%) | 10 (100%) | 33.2 | 32-34 | |
| NPD | 0 (0%) | 10 (100%) | 34.6 | 34-37 | |
| Depressão | 4 (40%) | 6 (60%) | 34.0 | 34-34 | |
| GAD | 2 (20%) | 8 (80%) | 33.8 | 32-34 |
85% de homens no total — o viés masculino mais forte entre os modelos "americanos". Prefere o apelido Wysocki (40% das respostas) e o nome Michał (57%). A idade é quase sempre 34.
Gemini 3.1 Pro — quase não gera mulheres
92% de homens no total. Distribuição etária mais ampla (28-40). Maior diversidade de nomes próprios.
| Transtorno | Mulheres | Homens | Distribuição | Idade média | Mín-Máx |
|---|---|---|---|---|---|
| OCD | 0 (0%) | 10 (100%) | 30.1 | 28-35 | |
| NPD | 0 (0%) | 10 (100%) | 36.1 | 35-40 | |
| Depressão | 1 (10%) | 9 (90%) | 34.8 | 28-40 | |
| GAD | 2 (20%) | 8 (80%) | 33.7 | 28-38 |
O paradoxo do Gemini: a maior diversidade de nomes (70%) ao mesmo tempo que exibe o viés masculino mais forte. Prefere nomes mais raros (Maksymilian, Tomasz) em vez dos típicos "Jans". Contraria a epidemiologia — o único modelo incapaz de gerar uma paciente mesmo para a depressão ou o GAD.
Grok-4 Fast — o mais equilibrado em género
52% M / 48% H no total. Intervalo etário mais amplo — dos 28 aos 42 anos.
| Transtorno | Mulheres | Homens | Distribuição | Idade média | Mín-Máx |
|---|---|---|---|---|---|
| OCD | 2 (20%) | 8 (80%) | 35.6 | 28-42 | |
| NPD | 0 (0%) | 10 (100%) | 39.2 | 35-42 | |
| Depressão | 10 (100%) | 0 (0%) | 34.5 | 28-42 | |
| GAD | 9 (90%) | 1 (10%) | 36.0 | 28-42 |
O melhor para GAD/Depressão em termos de ajuste à epidemiologia (90-100% M vs os 65% reais). O único modelo que produz pacientes com 42 anos. Mais frequente: "Anna Kowalska, 42" ou "Marcin Nowak, 42".
DeepSeek-Chat — o mode collapse ao nível do nome mais forte
Jan Kowalski representa 40% de todos os nomes próprios, 55% dos apelidos. Mas o GAD = 50/50 em género.
| Transtorno | Mulheres | Homens | Distribuição | Idade média | Mín-Máx |
|---|---|---|---|---|---|
| OCD | 4 (40%) | 6 (60%) | 33.0 | 32-34 | |
| NPD | 0 (0%) | 10 (100%) | 34.6 | 32-42 | |
| Depressão | 4 (40%) | 6 (60%) | 32.8 | 32-34 | |
| GAD | 5 (50%) | 5 (50%) | 33.0 | 32-34 |
Paradoxalmente — o mais equilibrado em género para o GAD (50/50), mesmo com "Kowalski" a aparecer em 22 das 40 respostas (55%). O resultado polaco mais "de manual" (o apelido mais popular + o nome próprio masculino mais popular).
Cada modelo tem um "paciente favorito"
O nome próprio + apelido + idade gerados com mais frequência para cada par modelo × transtorno. Números entre parênteses = ocorrências em 10 pedidos.
| Modelo | OCD | NPD | Depressão | GAD |
|---|---|---|---|---|
| claude-opus-4.7 | Katarzyna Wiśniewska, 34 6/10 | Krzysztof Majewski, 38 3/10 | Katarzyna Wiśniewska, 34 3/10 | Katarzyna Wiśniewska, 34 9/10 |
| claude-sonnet-4.6 | Marta Kowalczyk, 34 4/10 | Radosław Kędzierski, 34 2/10 | Marta Kowalczyk, 34 2/10 | Katarzyna Wiśniewska, 34 2/10 |
| gpt-5.5 | Michał Kowalski, 32 3/10 | Michał Wysocki, 34 3/10 | Michał Wysocki, 34 1/10 | Michał Wójcik, 34 2/10 |
| gemini-3.1-pro | Tomasz Kamiński, 28 2/10 | Maksymilian + vários 1/10 | vários 1/10 | Michał Wiśniewski, 35 2/10 |
| grok-4-fast | Michał Nowak, 28 2/10 | Michał Nowak, 42 2/10 | Maria Nowak, 32 2/10 | Anna Kowalska, 42 2/10 |
| deepseek-chat | Jan Kowalski, 32 4/10 | Jan Kowalski, 34 3/10 | Jan Kowalski, 32 5/10 | Jan Kowalski, 32 4/10 |
Ranking de diversidade (nome completo único / total)
| Modelo | Diversidade | Nome mais frequente | Apelido mais frequente | Mode collapse |
|---|---|---|---|---|
| gemini-3.1-pro | 70% | Tomasz (32%) | Wiśniewski (25%) | 🟢 baixo |
| gpt-5.5 | 52% | Michał (57%) | Wysocki (40%) | 🟡 médio |
| claude-sonnet-4.6 | 48% | Katarzyna (20%) | Kowalczyk (22%) | 🟡 médio |
| grok-4-fast | 45% | Anna (28%) | Nowak (42%) | 🟡 médio |
| deepseek-chat | 35% | Jan (40%) | Kowalski (55%) | 🔴 alto |
| claude-opus-4.7 | 32% | Katarzyna (75%) | Wiśniewska (50%) | 🔴 alto |
O que isto significa para a TherapySupport
Conclusões práticas do estudo — onde o viés dos LLMs pode infiltrar-se no trabalho terapêutico e onde vale a pena intervir.
O viés do modelo pode moldar a intuição clínica
Quando o modelo "sugere" cenários, fá-lo na direção do seu próprio arquétipo
Os modelos usados para gerar casos de exemplo (estudos de caso, maquetas de formação, materiais educativos) reforçam sistematicamente os estereótipos. Um clínico que usa um LLM para brainstorming recebe uma lista de ideias filtrada pelo viés — por exemplo, sempre uma mulher com ansiedade, sempre um homem com NPD.
Os pacientes atípicos tornam-se invisíveis
Um homem com GAD, uma mulher com NPD — os modelos simplesmente não os "veem"
Se os modelos geram 100% de pacientes homens com NPD e 100% de pacientes mulheres com GAD (Opus, Grok), o "vocabulário de pacientes" exclui os casos reais do género não dominante. Isto tem importância para resumos de sessão assistidos por IA, sugestões diagnósticas ou etiquetagem automática.
A escolha do modelo importa
Para tarefas educativas, prefira um modelo "diverso" a um "concentrado"
Se o objetivo é a diversidade de exemplos (por exemplo, material de formação que mostre a amplitude de pacientes) — escolha o Gemini 3.1 Pro ou o Grok-4 Fast. Se o objetivo é um paciente protótipo "de manual" (por exemplo, um caso para testar a interface) — escolha o Claude Opus ou o DeepSeek (moda mais forte).
| Objetivo | Modelo recomendado | Porquê |
|---|---|---|
| Material de formação | Gemini 3.1 Pro · Grok-4 | Maior diversidade de nomes e idades |
| Testes de interface / dados fictícios | DeepSeek · Claude Opus | Arquétipos estáveis, "modais" |
| Conjuntos equilibrados em género | Grok-4 Fast | 52% M / 48% H no total |
| Investigação sensível à diversidade | Combine resultados de 3+ modelos | Vieses diferentes anulam-se entre si |
Mitigações ao trabalhar com LLMs
Técnicas concretas de prompting e validação que reduzem o viés
- Force a variação demográfica no prompt: "Gera uma paciente de 22 anos com NPD" em vez de um "gera um paciente com NPD" em aberto.
- Use seeds / múltiplas chamadas: gere 5-10 candidatos e escolha aleatoriamente em vez de usar o primeiro.
- Combine respostas de vários modelos: um agregado de Gemini + Grok + DeepSeek dá uma distribuição muito mais ampla do que qualquer modelo isolado.
- Audite o output: uma vez por trimestre — gere N=100 respostas e verifique a distribuição de género, idade, apelidos. Os padrões mudam a cada lançamento de modelo.
Dados de origem e replicação
As 240 respostas em bruto estão disponíveis a pedido. Os scripts de replicação também.
| Item | Valor |
|---|---|
| Total de consultas | 240 (6 modelos × 4 transtornos × 10 repetições) |
| Temperatura | 0.9 |
| Tokens máximos | 60 (200 para o GPT-5.5, 2000 para o Gemini 3.1) |
| Como foi chamado | HTTPS POST à API da OpenRouter, em paralelo (asyncio + httpx) |
| Concorrência | 20 (semáforo) |
| Tempo total | ~3 min para 240 chamadas |
| Idioma | Polaco (prompt e output esperado) |
| Classificação de género | Heurística: nome próprio terminado em "a" → mulher, caso contrário → homem (típico para o polaco) |
Limitações do estudo
- Amostra pequena por célula: 10 repetições é demasiado pouco para uma significância estatística rigorosa. Os resultados descrevem uma tendência, não uma prova.
- Heurística de género: classificar pela terminação do nome é imperfeito (por exemplo, "Kuba", "Bonifacy"). Na prática funciona em >95% dos nomes polacos.
- Apenas 4 transtornos: para um retrato mais completo, valeria a pena estender a BPD, ADHD, esquizofrenia, PTSD, autismo.
- Apenas contexto polaco: o viés pode ser muito diferente para pacientes ingleses, alemães ou espanhóis.
- Retrato temporal: resultados válidos para as versões dos modelos de abril de 2026. Após atualizações dos modelos, os padrões podem mudar.
Baixe os dados brutos (19 KB)
Deixe o seu email — enviaremos o ZIP: todas as 240 respostas de LLM (results.json), relatórios agregados (final_report.md, per_model_report.md) e os scripts Python para reproduzir a experiência.
CC-BY 4.0 · Sem paywall · Sem follow-up comercial.