IA erra diagnóstico inicial de pacientes em mais de 80% dos casos, aponta estudo

Estudo mostra que modelos de linguagem de IA falham em produzir diagnóstico diferencial adequado em mais de 80% dos casos, sugerindo que não estão prontos para uso clínico não supervisionado.
Pesquisadores da Mass General Brigham analisaram 21 LLMs, incluindo Claude, DeepSeek, Gemini, GPT e Grok, usando 29 vinhetas clínicos com a ferramenta PrIME-LLM.
Os modelos tiveram alta precisão no diagnóstico final, mas desempenho fraco em gerar diagnóstico diferencial e lidar com incertezas.
A pesquisa simulou etapas do raciocínio clínico, desde dados básicos até exames laboratoriais, imagens e planejamento de tratamento, observando melhora com informações adicionais.
Conclusão: ainda é necessária supervisão humana; os modelos podem auxiliar, mas não substituir médicos na tomada de decisão clínica.

Um estudo mostra que modelos de IA de linguagem falham na geração de diagnósticos diferenciais precoces em mais de 80% dos casos, sugerindo que não estão prontos para uso clínico não supervisionado. A pesquisa envolve modelos amplos de IA aplicados a cenários clínicos simulados.

Pesquisadores do Mass General Brigham, grande rede hospitalar de Boston, avaliaram 21 LLMs, incluindo Claude, GPT, Gemini e Grok, em 29 vinhetas clínicas padronizadas. O objetivo foi medir habilidades de raciocínio médico em etapas diferentes.

Metodologia e cenário de teste

Os modelos foram testados com informações progressivas: idade, sexo, sintomas, exame físico e resultados de laboratório. Um instrumento próprio, o PrIME-LLM, avaliou diagnóstico inicial, pedidos de exames, diagnóstico final e planejamento de tratamento.

Os resultados mostraram alto acerto no diagnóstico final, mas desempenho fraco para o passo crítico de criar um diagnóstico diferencial. A variabilidade entre modelos foi grande conforme o conjunto de dados.

Principais implicações

Autores ressaltam que, mesmo com avanços, IA comercial não está pronta para implantação clínica sem supervisão humana constante. O estudo enfatiza a necessidade de intervenção clínica humana na tomada de decisões.

Especialistas externos destacam a importância do julgamento humano. Embora as IA possam auxiliar, o veredito final em saúde não deve depender apenas de máquinas. Consultas com profissionais continuam essenciais.

Destaques e próximos passos

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 raciocínio clínico estruturado e manejo de incertezas.