IA de raciocínio sugere mais diagnósticos — e também mais falsos positivos

Modelos de inteligência artificial capazes de “raciocinar” em várias etapas podem sugerir diagnósticos mais precisos, mas também levantar hipóteses incorretas com mais frequência. Um estudo publicado hoje na Nature Communications comparou modelos de raciocínio com modelos de linguagem padrão usando um benchmark retrospectivo construído a partir de registros eletrônicos de saúde. O resultado central é um equilíbrio delicado entre ampliar possibilidades diagnósticas e evitar alarmes falsos.

O que foi comparado

A equipe analisou seis pares de modelos em 12 especialidades médicas. No benchmark, os modelos de raciocínio produziram mais de 34% de falsos positivos do que seus pares padrão e tiveram cerca de 40% menos reprodutibilidade — isto é, suas respostas eram menos consistentes quando a avaliação era repetida. Ao mesmo tempo, acertaram mais diagnósticos principais e sugeriram diagnósticos diferenciais considerados mais relevantes pelos avaliadores.

A verificação médica fez diferença

Em uma validação com 15 médicos, os pesquisadores testaram uma colaboração estruturada: a IA ampliava o conjunto de hipóteses e o profissional verificava a confiabilidade. Nesse contexto, a acurácia diagnóstica aumentou 20% e os falsos positivos caíram 44%, segundo o estudo. Isso descreve a tarefa e os dados avaliados; não significa que a IA possa diagnosticar pacientes de forma autônoma.

Por que os números exigem cautela

A análise foi retrospectiva e controlada, com registros já existentes, não um ensaio prospectivo em que recomendações fossem usadas no atendimento em tempo real. Os autores dizem que é necessária validação prospectiva antes de qualquer implantação clínica. Falsos positivos podem levar a exames, preocupação ou intervenções desnecessárias; respostas pouco reprodutíveis também dificultam confiar em um sistema. O artigo não prova que a ferramenta melhore a saúde dos pacientes em hospitais reais.

O que isso sugere

Mais raciocínio por etapas não garante, sozinho, mais segurança. Para este benchmark, a abordagem mais promissora foi usar a IA para ampliar a busca e deixar a avaliação final sob supervisão médica. Esse resultado ainda precisa ser testado em contextos clínicos prospectivos, com equipes, pacientes e sistemas de saúde diversos.

Pergunta em aberto

Em um estudo prospectivo real, a colaboração entre médicos e modelos de raciocínio reduzirá erros sem aumentar exames desnecessários, atrasos ou desigualdades entre grupos de pacientes?

Fonte primária

Wu, S. et al. “The accuracy-safety trade-off of large reasoning models in clinical diagnostics”. Nature Communications, publicado em 29/10/2026. DOI: 10.1038/s41467-026-78520-x.

Artigo completo na Nature Communications.

Vídeo relacionado: não encontrei vídeo original confirmado sobre este artigo; não incluí vídeo.