IA escolhe perguntas e exames em estudo de diagnóstico sequencial

Em vez de receber um caso clínico completo e responder de uma vez, um sistema de inteligência artificial pode escolher que perguntas fazer e quais exames pedir antes de sugerir um diagnóstico? Um estudo publicado na Science avaliou essa abordagem em casos médicos simulados, com um benchmark interativo chamado SDBench. O sistema Diagnostic Orchestrator (DxO), usando GPT-5, alcançou 83,2% de acurácia em casos didáticos do New England Journal of Medicine e 80,3% em registros de atendimentos de emergência que terminaram em internação. Esses números descrevem desempenho num teste controlado, não atendimento real a pacientes.

Como o sistema trabalha

Cada caso começa com uma apresentação breve. O DxO pode pedir mais informações, solicitar exames ou encerrar o processo com uma hipótese diagnóstica. O sistema organiza diferentes funções de raciocínio — como manter uma lista de diagnósticos possíveis, questionar a hipótese principal e considerar o custo estimado dos exames. No benchmark, uma ferramenta simulada fornecia as informações registradas quando solicitadas; outra avaliava se o diagnóstico final era compatível com o caso.

O conjunto reuniu 304 casos de conferências clínico-patológicas do New England Journal of Medicine e 325 registros de pronto-socorro do banco MIMIC-IV-ED, referentes a pacientes posteriormente internados. Portanto, não eram conversas novas com pacientes atendidos pelo sistema.

O que os resultados mostram

Nas avaliações publicadas, o DxO com GPT-5 teve 83,2% de acurácia nos casos didáticos e 80,3% nos casos de emergência, sem limite de orçamento configurado. No primeiro conjunto, uma configuração com restrição de custo alcançou 80,9% de acurácia e custo estimado médio de US$ 2.241 por caso. Os médicos generalistas participantes tiveram, em média, 36,1% nos casos didáticos com ferramentas de consulta e 46,8% nos casos de emergência. O artigo também relata diferenças nas estratégias: nos casos didáticos, o DxO fez em média cerca de 25 perguntas antes do primeiro exame, enquanto os médicos fizeram cerca de seis.

A comparação precisa ser lida com cuidado: os médicos participantes eram indivíduos, não equipes de especialistas, e o conjunto de casos didáticos pode concentrar desafios incomuns. Os custos foram estimados com uma tabela de preços de um sistema de saúde dos Estados Unidos; não são economias observadas em contas hospitalares. Além disso, fazer mais perguntas pode consumir tempo clínico, mesmo que o modelo de custos do benchmark trate perguntas de história e exame dentro de um valor fixo de consulta.

Limites importantes

O SDBench é baseado em texto e numa simulação controlada. As respostas vêm dos registros existentes — e, quando uma informação não estava registrada, o sistema simulava uma resposta neutra. A avaliação não reproduziu plenamente a incerteza das conversas, o exame presencial, imagens médicas, decisões de tratamento ou a evolução de uma pessoa ao longo do tempo. Os próprios autores dizem que o resultado não demonstra superioridade em relação a especialistas, equipes multidisciplinares ou à prática clínica real, nem mede desfechos de pacientes, segurança ou qualidade do tratamento.

Há também um interesse institucional relevante: todos os autores são funcionários da Microsoft e possuem participação acionária na empresa, que oferece serviços comerciais de IA e saúde. O estudo informa ainda uma solicitação de patente relacionada ao framework de avaliação.

Por que importa

O trabalho avalia uma capacidade diferente de simplesmente responder “qual é o diagnóstico?”: escolher que informação buscar em seguida e decidir quando já há dados suficientes. Isso pode orientar ferramentas de apoio e simulações para ensino médico, mas sua utilidade e segurança no cuidado real ainda precisam ser testadas com profissionais e pacientes em situações clínicas reais.

Pergunta em aberto

Em estudos prospectivos com pacientes reais, um sistema que sugere perguntas e exames ajudará médicos a chegar a diagnósticos melhores sem aumentar atrasos, exames desnecessários ou riscos para os pacientes?

Fonte primária

Nori, H. et al. “Sequential diagnosis with language models”. Science 394, 423–428 (2026), publicado em 22/10/2026. DOI: 10.1126/science.aeh7930.

Artigo completo na Science.

Vídeo explicativo: “Medical AI That Chooses Its Next Question | Science”, canal Latest Scientific Papers. O vídeo descreve este artigo, mas não é publicado pela revista Science nem pelos autores.