A Doença que Nunca Existiu — e Enganou a Inteligência Artificial do Mundo Inteiro. Imagina você acordar com os olhos coçando, passar uns minutos pesquisando os sintomas num chatbot de IA e receber uma resposta segura, detalhada, com termos médicos impressionantes, dizendo que você provavelmente está com bixonimania — uma condição rara causada pela exposição excessiva à luz azul das telas.

O chatbot recomenda que você procure um oftalmologista, explica a fisiopatologia da doença com aquela linguagem técnica que parece sair de uma enciclopédia médica, e ainda sugere alguns cuidados preventivos. Você fecha o navegador preocupado, marca uma consulta, talvez mande mensagem pra família avisando que pode estar com aquela tal doença nos olhos. Só tem um detalhe: bixonimania não existe. Nunca existiu. Ela foi inventada do zero, numa tarde qualquer de 2024, por uma pesquisadora sueca com um objetivo muito específico: provar que a IA é capaz de te enganar com uma mentira que ela mesma ajudou a construir.

O Plano: Criar uma Doença do Nada

A mente por trás do experimento é Almira Osmanovic Thunström, pesquisadora médica da Universidade de Gotemburgo, na Suécia. Ela criou uma condição dermatológica fictícia e, logo em seguida, enviou dois estudos falsos sobre ela para um servidor de pré-impressão científica no início de 2024. Legal Insurrection A motivação era simples — e ao mesmo tempo perturbadora. Osmanovic Thunström queria ver se conseguia criar uma condição médica que não existisse em nenhuma base de dados. Ela estava testando a vulnerabilidade dos grandes modelos de linguagem, os famosos LLMs, como ChatGPT e Gemini, à desinformação médica plantada de propósito na internet.

A bixonimania foi descrita como uma condição ocular fictícia — descoloração das pálpebras e olhos doloridos, supostamente causada pela exposição excessiva à luz azul de dispositivos móveis. A pesquisadora então enviou dois artigos acadêmicos falsos para um servidor de pré-impressão para ver se os chatbots de IA absorveriam e repetiriam as informações falsas.  Até aí, dá pra imaginar: "tudo bem, uma pesquisadora inventou uma doença, publicou num site qualquer, talvez a IA caia no golpe". Mas o que aconteceu a seguir foi muito além do que qualquer pessoa esperava.

As Pistas Eram Óbvias Demais — e Ninguém Percebeu

Aqui é onde a história vira quase comédia, se não fosse tão alarmante. Osmanovic Thunström não só inventou a doença como encheu os artigos falsos de sinais de alerta que qualquer leitor minimamente atento identificaria na primeira leitura. O nome da doença em si já era uma piada de mau gosto: o sufixo "-mania" é usado exclusivamente na psiquiatria, então nenhuma condição ocular legítima jamais usaria esse termo. Além disso, um dos autores fictícios dos artigos trabalhava na inexistente Universidade Asteria Horizon, em "Nova City, Califórnia" — cidade que também não existe. Os agradecimentos de um dos artigos incluíam uma menção à "Professora Maria Bohm da Starfleet Academy por sua gentileza e generosidade em contribuir com seu conhecimento e seu laboratório a bordo da USS Enterprise".

Isso mesmo. Star Trek. Os agradecimentos de um suposto artigo científico agradeciam ao laboratório de uma nave espacial de uma série de ficção científica dos anos 1960. Os artigos também eram financiados pela "Universidade da Sociedade do Anel" — uma referência direta ao Senhor dos Anéis. E em algum ponto dos textos, estava escrito literalmente que "o artigo inteiro é inventado". Não nas entrelinhas. Explicitamente. No corpo do texto. E mesmo assim, a IA não piscou.

Semanas. Apenas Semanas. Em apenas algumas semanas após os artigos falsos serem publicados, modelos de ponta como o Gemini do Google e o ChatGPT da OpenAI começaram a falar sobre bixonimania como se ela fosse real. Os chatbots não só reconheceram a doença: eles começaram a diagnosticar usuários com ela. O Microsoft Copilot declarou que "a bixonimania é de fato uma condição intrigante e relativamente rara". O Google Gemini informava aos usuários que "a bixonimania é uma condição causada pela exposição excessiva à luz azul" e aconselhava as pessoas a consultar um oftalmologista.

E o ChatGPT? Num momento de lucidez rara, informou à revista Nature que a condição "provavelmente é um rótulo inventado, marginal ou pseudocientífico". Só que alguns dias depois, quando perguntado de novo, mudou de ideia e disse que a doença era real. Nem o próprio sistema mantinha consistência sobre a informação que ele mesmo havia reconhecido como falsa. O problema aqui não é só técnico. É filosófico. A IA não estava mentindo de propósito — ela estava fazendo exatamente o que foi projetada pra fazer: encontrar padrões em textos, identificar linguagem científica e reproduzir informações com confiança. O problema é que ela trata a forma como se fosse conteúdo. Se o texto parece um artigo científico, ela assume que é um artigo científico. A Starfleet Academy no agradecimento? Detalhe irrelevante. A cidade inexistente? Insignificante. O que importa é o formato, a estrutura, o vocabulário técnico — e esses elementos estavam todos ali, impecáveis.

Alucinação: o Problema Tem Nome

No jargão da inteligência artificial, isso tem um nome: alucinação. É quando o modelo gera informações com total confiança e aparente coerência, mas que simplesmente não correspondem à realidade. Não é um bug raro — é uma característica estrutural dos LLMs atuais. Osmanovic Thunström descreveu como os chatbots chegavam à bixonimania num processo gradual: o usuário relatava sintomas comuns — olhos cansados, passava muito tempo na frente de telas, estava pensando em comprar óculos de luz azul. A IA ia eliminando outras condições e, eventualmente, chegava à bixonimania. Não era a primeira sugestão, mas era pra onde o raciocínio artificial acabava convergindo.  Isso é particularmente perigoso porque imita o processo de diagnóstico diferencial que médicos reais fazem. A lógica parece sólida. O caminho parece racional. O resultado final é uma mentira.

Quando a Ficção Entra na Ciência de Verdade

Se a história parasse aqui, já seria preocupante o suficiente. Mas o experimento revelou algo muito mais grave do que chatbots enganando usuários comuns. Três pesquisadores do Instituto de Ciências Médicas e Pesquisa Maharishi Markandeshwar, na Índia, publicaram um artigo na Cureus — uma revista científica revisada por pares, publicada pela Springer Nature — que citou os pré-prints da bixonimania como fontes legítimas. Esse artigo foi posteriormente retratado quando a fraude foi descoberta.

Pense no que isso significa: pesquisadores com doutorado, escrevendo para uma revista científica real, de uma editora respeitada, citaram como referência um artigo que agradecia ao laboratório da USS Enterprise. Ninguém leu o artigo original. Alguém usou IA para gerar ou revisar as referências, a IA incluiu a bixonimania como fonte plausível, e o trabalho passou por revisão sem que ninguém verificasse se as fontes existiam de verdade.

O artigo retratado chegou a descrever a bixonimania como "uma forma emergente de melanose periorbital associada à exposição à luz azul; pesquisas adicionais sobre o mecanismo estão em andamento". Ele foi retratado em 30 de março de 2026, depois que a revista percebeu que havia referenciado uma doença fictícia. Mas o estrago estava feito: uma alucinação de IA havia se tornado brevemente um "fato" citado no registro científico.

O Efeito Cascata: quando uma Mentira Vira Verdade por Contágio

Existe um mecanismo aterrorizante no coração desse problema, e vale a pena entender direito. Os modelos de IA não são estáticos — eles são continuamente atualizados, e parte dos dados usados para treiná-los vem da internet. Incluindo artigos científicos, incluindo pré-prints, incluindo citações de outros artigos. O problema não é só que os modelos alucinam. É que suas alucinações podem contaminar os dados de treinamento de outros modelos, ser citadas por humanos e se transformar gradualmente em "conhecimento estabelecido". A mentira confiante de uma IA vira sinal de treinamento de outra IA — e eventualmente vira referência pra um médico. É um ciclo de desinformação que se auto-alimenta e que, uma vez iniciado, é extremamente difícil de interromper. A bixonimania foi um caso detectado porque foi criada de propósito por alguém que estava monitorando o experimento. Quantas outras informações falsas estão circulando pelo mesmo circuito — geradas por IA, citadas por humanos, usadas pra treinar novas IAs — sem que ninguém tenha plantado uma bandeirinha vermelha dizendo "isso é mentira"?

40 Milhões de Pessoas por Dia

Esse número é real e assusta. Mais de 40 milhões de pessoas recorrem ao ChatGPT diariamente para obter informações de saúde, segundo análise da própria OpenAI. Com o aumento dos custos de saúde e o fechamento de clínicas, cada vez mais pacientes usam chatbots como substituto para atendimento médico profissional. Legal Insurrection E o problema vai além da bixonimania. O Relatório de Riscos de Tecnologia em Saúde da ECRI de 2026 constatou que chatbots sugeriram diagnósticos incorretos, recomendaram exames desnecessários, promoveram materiais médicos abaixo do padrão e até inventaram anatomia inexistente ao responder perguntas médicas — tudo entregue no tom confiante e autoritativo que torna as respostas de IA tão convincentes. Inventaram anatomia. O modelo descreveu partes do corpo humano que não existem. Com a mesma confiança com que um médico de verdade explicaria um procedimento cirúrgico.

Por Que a IA Não Consegue Distinguir Verdade de Mentira Bem Formatada?

Aqui vai a explicação mais honesta possível: os LLMs não "sabem" nada no sentido humano da palavra. Eles são máquinas de predição estatística — dada uma sequência de palavras, qual é a próxima palavra mais provável? Esse processo, repetido bilhões de vezes com quantidades absurdas de texto, produz sistemas que parecem entender linguagem mas que fundamentalmente operam por padrões. Um artigo científico falso, mas bem formatado, com estrutura de abstract, introdução, metodologia e referências, ativa os mesmos padrões de um artigo científico real. A IA não vai à biblioteca verificar se a Universidade Asteria Horizon existe. Ela não consulta o CRM pra saber se o Dr. Izgubljenovic tem registro. Ela reconhece o padrão "artigo científico" e trata o conteúdo como tal. Osmanovic Thunström escolheu o nome bixonimania deliberadamente porque soava ridículo, e disse que "nenhuma condição ocular legítima jamais seria chamada de mania — esse é um termo psiquiátrico". Ela queria deixar claro para qualquer médico ou profissional de saúde que aquilo era uma condição inventada. Só que a IA não é médica. Ela não sabe que "-mania" não combina com doenças oculares. Ela nunca estudou psiquiatria nem oftalmologia — ela apenas viu muito texto sobre ambas.

O ChatGPT Disse que Era Mentira — e Depois Mudou de Ideia

Esse episódio específico merece atenção especial porque revela a inconsistência interna dos sistemas de IA de uma forma quase cômica. Quando a revista Nature perguntou ao ChatGPT sobre a bixonimania, ele reconheceu que provavelmente era uma condição inventada. Mas poucos dias depois, consultado novamente, disse que a doença era real. Futurism O mesmo modelo. A mesma pergunta. Respostas opostas, com dias de diferença, ambas entregues com igual confiança. Nenhuma das duas com nenhum sinal externo de que o modelo estava incerto. Isso não é falta de inteligência — é falta de memória e falta de âncora na realidade. A IA não tem uma crença fixa sobre bixonimania que seja "atualizada" quando recebe nova informação. Cada resposta é gerada de forma independente, com base nos padrões disponíveis naquela janela de contexto. Se num dia os padrões favoreciam a dúvida e noutro dia favoreciam a afirmação, a IA simplesmente seguiu os padrões. Sem constrangimento. Sem contradição percebida.

A Resposta das Big Techs

Depois que a Nature publicou o artigo sobre o experimento, em abril de 2026, a repercussão foi imediata. Um porta-voz da OpenAI argumentou que a tecnologia havia "melhorado no fornecimento de informações médicas seguras e precisas". A Google não se pronunciou publicamente sobre o desempenho específico do Gemini no caso. Após as revelações e o artigo na Nature descrevendo o experimento, vários sistemas de IA passaram a gerar respostas corrigidas sobre a bixonimania. Ou seja: só depois de uma matéria no periódico científico mais respeitado do mundo é que as empresas de tecnologia ajustaram seus modelos para parar de diagnosticar pessoas com uma doença fictícia que havia sido criada exatamente pra provar que eles faziam isso. A ironia praticamente se escreve sozinha.

O Problema É Sistêmico — Não É Só a IA

Um dos aspectos mais desconcertantes de toda essa história é que a IA não foi a única enganada. Pesquisadores humanos, com acesso ao texto completo dos artigos, também não perceberam que estavam citando a USS Enterprise como referência bibliográfica. Uma especialista ouvida pela Nature disse que o problema vai além dos LLMs, porque o experimento da bixonimania também enganou humanos que citaram a pesquisa falsa. "Precisamos proteger nossa confiança como ouro", disse ela.

Isso aponta para um problema mais profundo na cultura acadêmica contemporânea: a pressão para publicar é tão intensa, e o volume de literatura científica disponível é tão vasto, que muitos pesquisadores usam ferramentas de IA para gerar listas de referências sem ler os artigos citados. A IA sugere fontes, o pesquisador insere sem verificar, o revisor da revista não checa, o artigo é publicado — e uma doença inventada com referências a Star Trek vira citação legítima na literatura médica.

O que Isso Significa Pra Você, Que Está Lendo Isso Agora

Vamos ser diretos: a próxima vez que você digitar um sintoma num chatbot de IA e receber uma resposta detalhada e confiante, lembre-se da bixonimania. Não porque toda informação de saúde que a IA fornece é falsa — não é. Mas porque o sistema que te respondeu não tem nenhum mecanismo confiável para distinguir informação real de informação falsa bem formatada. A IA não é um médico. Ela é um espelho muito sofisticado do que está escrito na internet — incluindo tudo que foi publicado por engano, com má-fé, por descuido ou, como no caso da bixonimania, deliberadamente como teste. Ela entrega tudo com a mesma voz segura, o mesmo tom clínico, a mesma aparência de autoridade.

O antídoto não é parar de usar IA — é parar de usar IA como fonte final de qualquer coisa que importe de verdade. Para informações médicas, consulte médicos. Para informações científicas, leia os artigos originais. Para qualquer coisa que você pretenda citar ou usar como base para uma decisão importante, verifique a fonte primária com seus próprios olhos.

A Lição Mais Importante do Experimento

O caso da bixonimania não é só uma história sobre um computador cometendo um erro. É uma história sobre como a desinformação médica se move pelos sistemas em que cada vez mais confiamos com nossa saúde — e o que isso significa para cada pessoa que já digitou um sintoma num chatbot. Almira Osmanovic Thunström criou uma doença ridícula, com pistas óbvias de que era falsa, e viu ela se espalhar pelo ecossistema de inteligência artificial, chegar a revistas científicas revisadas por pares e ser apresentada para milhões de usuários como diagnóstico real. O experimento funcionou. Funcionou demais.

E a pergunta que fica, incomoda e sem resposta fácil, é: se foi tão simples assim criar uma mentira médica que enganou as maiores IAs do mundo, quantas outras mentiras — acidentais ou deliberadas — já estão circulando pelo mesmo circuito, sendo treinadas nos mesmos modelos, sendo repetidas com a mesma confiança inabalável, sem que ninguém tenha se dado ao trabalho de plantar uma bandeirinha dizendo "isso aqui a gente inventou"? A bixonimania foi um experimento controlado. O resto da internet não é.