Médicos da América Latina foram randomizados para responder a quatro casos clínicos simulados, cada um com quatro perguntas abertas, com o apoio de um sistema de IA conversacional com evidências rastreáveis ou com sua forma habitual de buscar informação. Dois especialistas cegos por área avaliaram cada resposta com uma rubrica de seis dimensões, e o desfecho principal foi um escore composto de validade por médico. Dos 202 médicos que começaram, 71 concluíram o exercício e foram analisados (26 com apoio e 45 com a prática habitual), totalizando 1,136 respostas.
Os médicos com apoio tiveram escores mais altos, com mediana de 2.83 contra 2.46 em 3 (diferença 0.38; IC 95% 0.17 a 0.54; P < .001), e maior probabilidade de atingir o limiar de validade após ajuste pela titulação acadêmica (odds ratio 3.61; IC 95% 1.16 a 11.17). O efeito se manteve nos quatro critérios com maior concordância entre avaliadores, mas não na exatidão isolada, que um avaliador externo também considerou não significativa; o tempo de resposta e as buscas não diferiram, e a aceitabilidade foi alta (2.92 de 3). A amostra é composta por voluntários que concluíram o exercício, por isso os autores consideram os achados exploratórios; trata-se de um preprint ainda não revisado por pares.
