IA da Microsoft acerta 83,2% dos diagnósticos complexos em teste simulado

12 min. de leitura

Atualizado em 29 de outubro de 2026 por Redação

Estudo publicado na Science compara sistema de inteligência artificial a médicos generalistas; resultados não demonstram superioridade sobre especialistas nem sobre o atendimento clínico real.

Um sistema de inteligência artificial desenvolvido pela Microsoft alcançou 83,2% de acerto em uma avaliação de diagnósticos complexos, enquanto médicos generalistas participantes tiveram média de 36,1% com acesso a materiais de referência. Os resultados fazem parte do estudo “Sequential diagnosis with language models”, publicado em 22 de outubro na revista científica Science.

Chamado de Microsoft AI Diagnostic Orchestrator, ou MAI-DxO, o sistema coordena agentes de IA que simulam um painel de especialistas. Em vez de receber todas as informações de uma vez, ele precisa decidir quais perguntas fazer, quais exames solicitar e quando há elementos suficientes para apresentar uma hipótese diagnóstica final.

O resultado chama atenção pelo potencial de apoio ao raciocínio clínico, mas exige uma distinção: o teste foi realizado em ambiente controlado, com casos transformados em simulações textuais. Ele não avaliou a assistência direta a pacientes nem demonstrou que a tecnologia melhora os desfechos do atendimento.

Como o sistema foi avaliado

Os pesquisadores desenvolveram o Sequential Diagnosis Benchmark, conhecido como SDBench, para testar o diagnóstico de forma progressiva. A avaliação utilizou 304 casos publicados no New England Journal of Medicine e 325 registros de admissões provenientes de departamentos de emergência.

Cada exercício começava com uma vinheta clínica: um resumo com dados básicos do paciente e seus principais sintomas. A partir desse ponto, o médico ou a IA precisava solicitar informações adicionais ou resultados de exames antes de decidir pelo diagnóstico.

Outro sistema de IA funcionava como intermediário, fornecendo dados do registro original conforme as solicitações. Ao final, um avaliador de IA comparava a resposta com o diagnóstico de referência do caso.

Essa estrutura procura avaliar algo que testes com perguntas prontas nem sempre capturam: a capacidade de escolher o próximo passo da investigação, e não apenas reconhecer uma doença depois de receber todos os achados.

O que mostram os resultados

O sistema apresentou desempenho superior ao dos médicos generalistas participantes nos dois conjuntos de casos avaliados.

Conjunto avaliado	Acerto do sistema de IA	Média dos médicos participantes
Casos complexos publicados no New England Journal of Medicine	83,2%	36,1%, com acesso a referências
Casos de admissão em emergência	80,3%	46,8%

Os percentuais descrevem o desempenho nas condições do estudo. Não representam a precisão de todos os médicos ou de qualquer ferramenta de IA disponível no mercado.

Também é necessário cuidado ao interpretar o tamanho da comparação. A documentação secundária do estudo informa que o resultado da IA nos casos do New England Journal of Medicine abrangeu os 304 casos, enquanto a avaliação dos médicos utilizou um subconjunto de 56 casos. Portanto, os números não devem ser apresentados como se cada participante tivesse resolvido integralmente a mesma base.

Como funciona o “painel de especialistas” da IA

O MAI-DxO não é apenas um chatbot respondendo a uma pergunta. Sua função é organizar a atuação de agentes de IA com tarefas complementares: propor hipóteses, questionar explicações iniciais, revisar possibilidades e considerar quais exames podem acrescentar informação.

Esse processo pode ser descrito como uma coordenação do raciocínio diagnóstico. Conforme chegam novos dados, o sistema atualiza as hipóteses e decide se deve continuar investigando ou apresentar uma resposta.

No estudo, a ferramenta também fez mais perguntas sobre o histórico antes de solicitar exames, um padrão que pode ser relevante para investigar o uso de recursos. Isso, porém, não demonstra automaticamente redução de custos em um hospital ou clínica.

Para avaliar o impacto econômico real, seria necessário considerar a configuração utilizada, os exames solicitados, os custos de implantação e o funcionamento do serviço e não apenas a taxa de acerto em uma simulação.

Por que o estudo não prova que a IA substitui médicos

A principal limitação está no alcance da comparação. Médicos generalistas trabalhando individualmente não representam toda a capacidade de um sistema de saúde, que pode envolver especialistas, discussão de casos, acompanhamento e equipes multiprofissionais.

Casos complexos como os publicados no New England Journal of Medicine costumam mobilizar esse tipo de colaboração. Especialistas e equipes médicas não fizeram parte da comparação descrita.

Os próprios pesquisadores ressaltam que os resultados não estabelecem superioridade sobre especialistas, equipes multidisciplinares ou a prática clínica real. O SDBench mede raciocínio diagnóstico em condições de informação idealizadas, não desempenho à beira do leito.

Na assistência, acertar o nome de uma doença é apenas parte do trabalho. O estudo não demonstrou, por exemplo, que utilizar o sistema leva a tratamentos mais seguros, menos complicações ou melhores resultados para os pacientes.

O que foi medido e o que ainda precisa ser investigado

O estudo avaliou	O resultado não comprova
Acerto diagnóstico em casos estruturados	A mesma precisão em qualquer paciente ou serviço
Escolha sequencial de perguntas e exames na simulação	Funcionamento seguro em toda a rotina assistencial
Comparação com médicos generalistas participantes	Superioridade sobre especialistas e equipes
Desempenho de configurações específicas do sistema	Desempenho equivalente de chatbots genéricos
Raciocínio em ambiente controlado	Melhora de desfechos clínicos ou substituição do atendimento médico

Esses limites não anulam o resultado. Eles definem quais conclusões a pesquisa permite tirar e quais dependem de novas avaliações.

Próxima etapa é avaliar o uso em ambiente hospitalar

Segundo a reportagem do AI Brasil, a Microsoft anunciou uma parceria com o Beth Israel Deaconess Medical Center, em Boston, para avaliar o MAI-DxO em ambiente hospitalar. A proposta é comparar suas recomendações com decisões tomadas no atendimento, sem substituir a assistência padrão recebida pelo paciente.

Esse tipo de avaliação representa um passo diferente do teste com registros históricos. Ele pode ajudar a investigar como o sistema se comporta diante das condições e das limitações de um serviço real.

Até que existam resultados dessas etapas, a parceria deve ser entendida como um plano de investigação, não como comprovação de eficácia clínica.

Os autores também apontam a colaboração entre médicos e IA e o uso na educação médica como caminhos para pesquisas futuras.

O que a pesquisa significa para clínicas, hospitais e serviços de diagnóstico

Para gestores e profissionais de saúde, a conclusão mais útil não é que “a IA venceu os médicos”, mas que sistemas capazes de organizar investigações diagnósticas estão avançando em testes controlados.

A pesquisa abre espaço para avaliar ferramentas que auxiliem na revisão de hipóteses e na escolha de informações relevantes. Ao mesmo tempo, reforça a necessidade de distinguir um resultado experimental de uma solução validada para determinada aplicação.

Antes de incorporar uma tecnologia semelhante, uma avaliação institucional deve esclarecer:

• Qual tarefa a ferramenta executa e quais são seus limites.
• Em que população e contexto ela foi testada.
• Como suas respostas serão revisadas pelos profissionais.
• Como funcionará a integração com os sistemas existentes.
• Quais informações serão utilizadas e como serão protegidas.
• Como erros, discordâncias e resultados serão acompanhados.

Esse roteiro é uma proposta de análise para a gestão, não um resultado estatístico do estudo. Seu objetivo é evitar que a decisão de adoção se apoie apenas em um percentual de acerto.

Nos serviços de diagnóstico, também é importante separar funções: interpretar um exame, integrar achados ao quadro clínico e definir a conduta são etapas relacionadas, mas não equivalentes. O desempenho em uma delas não deve ser presumido para todas as outras.

Diagnóstico com IA: avanço relevante, evidência ainda delimitada

O estudo acrescenta uma evidência importante sobre raciocínio diagnóstico sequencial: nas condições avaliadas, o sistema da Microsoft alcançou mais acertos do que os médicos generalistas participantes nos dois conjuntos de casos.

A pergunta seguinte é como esse desempenho se traduz em colaboração com profissionais, segurança e benefício para pacientes reais. É essa transição, do teste controlado para a assistência, que determinará a utilidade clínica da tecnologia.

Para médicos e gestores, acompanhar esse avanço exige olhar além da manchete: compreender a comparação, reconhecer seus limites e avaliar cada aplicação antes de incorporá-la ao cuidado.

Google também pesquisa IA para raciocínio clínico e educação médica

A Microsoft não é a única organização que investiga o uso de inteligência artificial no raciocínio médico. No Google, o Articulate Medical Intelligence Explorer, conhecido como AMIE, é um sistema de pesquisa desenvolvido para conduzir conversas clínicas, coletar informações e formular hipóteses diagnósticas. Estudos do projeto avaliaram seu desempenho em consultas simuladas, incluindo qualidade da entrevista e precisão diagnóstica.

A pesquisa também avançou para o acompanhamento de condições de saúde ao longo de múltiplas consultas. Em um estudo publicado na Nature, o AMIE foi comparado a 21 médicos de atenção primária em cenários com pacientes simulados. O sistema apresentou desempenho semelhante na avaliação geral do raciocínio de manejo e resultados superiores em alguns critérios, como precisão do plano e alinhamento às diretrizes clínicas. Esses achados não demonstram, por si só, benefício para pacientes reais ou possibilidade de substituir o atendimento profissional.

Outra frente é a educação médica. Pesquisadores do Google estudaram um protótipo de tutor de IA para orientar estudantes na discussão de casos clínicos fictícios. O objetivo era estimular o raciocínio por meio de perguntas e feedback, em vez de apenas entregar a resposta.

Em uma avaliação complementar, o LearnLM, família de modelos voltada à aprendizagem, com recursos incorporados ao Gemini, foi analisado por estudantes de medicina e educadores médicos. Os professores demonstraram preferência pelo modelo nos critérios pedagógicos avaliados, incluindo sua capacidade de se comportar como um tutor. O resultado se refere à qualidade educacional percebida, não à comprovação de maior precisão diagnóstica ou melhora no atendimento.

As iniciativas mostram caminhos diferentes para a IA na saúde: investigar hipóteses, apoiar o planejamento clínico e desenvolver habilidades durante a formação. Seus resultados, porém, não são diretamente comparáveis aos do sistema da Microsoft, porque os estudos utilizaram tarefas, participantes e critérios distintos.

Da pesquisa à aplicação, a validação continua essencial

Os resultados da Microsoft, assim como as pesquisas do Google em raciocínio clínico e educação médica, mostram que a avaliação da IA está avançando para tarefas mais complexas do que responder a perguntas prontas. Cada iniciativa, entretanto, produz evidências sobre uma aplicação específica e não sobre a superioridade geral da tecnologia em relação aos profissionais.

Para médicos, educadores e gestores, a questão central é identificar onde essas ferramentas podem contribuir, quais limites precisam ser respeitados e como seus resultados serão avaliados. Desempenho em um teste diagnóstico, qualidade de uma consulta simulada e preferência por um tutor são medidas diferentes e não devem ser tratadas como provas equivalentes de benefício clínico.