Um estudo mostra que modelos de IA de linguagem falham na gera\u00e7\u00e3o de diagn\u00f3sticos diferenciais precoces em mais de 80% dos casos, sugerindo que n\u00e3o est\u00e3o prontos para uso cl\u00ednico n\u00e3o supervisionado. A pesquisa envolve modelos amplos de IA aplicados a cen\u00e1rios cl\u00ednicos simulados.<\/p>\n
Pesquisadores do Mass General Brigham, grande rede hospitalar de Boston, avaliaram 21 LLMs, incluindo Claude, GPT, Gemini e Grok, em 29 vinhetas cl\u00ednicas padronizadas. O objetivo foi medir habilidades de racioc\u00ednio m\u00e9dico em etapas diferentes.<\/p>\n
Os modelos foram testados com informa\u00e7\u00f5es progressivas: idade, sexo, sintomas, exame f\u00edsico e resultados de laborat\u00f3rio. Um instrumento pr\u00f3prio, o PrIME-LLM, avaliou diagn\u00f3stico inicial, pedidos de exames, diagn\u00f3stico final e planejamento de tratamento.<\/p>\n
Os resultados mostraram alto acerto no diagn\u00f3stico final, mas desempenho fraco para o passo cr\u00edtico de criar um diagn\u00f3stico diferencial. A variabilidade entre modelos foi grande conforme o conjunto de dados.<\/p>\n
Autores ressaltam que, mesmo com avan\u00e7os, IA comercial n\u00e3o est\u00e1 pronta para implanta\u00e7\u00e3o cl\u00ednica sem supervis\u00e3o humana constante. O estudo enfatiza a necessidade de interven\u00e7\u00e3o cl\u00ednica humana na tomada de decis\u00f5es.<\/p>\n
Especialistas externos destacam a import\u00e2ncia do julgamento humano. Embora as IA possam auxiliar, o veredito final em sa\u00fade n\u00e3o deve depender apenas de m\u00e1quinas. Consultas com profissionais continuam essenciais.<\/p>\n
Entre os modelos mais promissores, destacam-se Grok 4, GPT-5, GPT-4.5, Claude 4.5 Opus e Gemini 3.0. Os pesquisadores sugerem que melhorias devem priorizar racioc\u00ednio cl\u00ednico estruturado e manejo de incertezas.<\/p>\n","protected":false},"excerpt":{"rendered":"