Os médicos de emergência tomam decisões de alto risco em situações aceleradas e muitas vezes caóticas. Eles precisam descobrir qual paciente precisa de cuidados com mais urgência, o que está errado e o que fazer a seguir.
A IA poderia ajudar. Em uma série de cenários desafiadores, Modelo de visualização o1 da OpenAI igualou ou superou os médicos no raciocínio clínico. Lançada em 2024, a IA é um grande modelo de linguagem semelhante aos que alimentam ChatGPT, Claude, Gemini e outros chatbots populares.
Mas quando foi desenvolvido pela primeira vez, o o1-preview diferia em sua capacidade de “pensar” nos problemas antes de respondê-los. Esses modelos de raciocínio exploram múltiplas estratégias, verificam-se e revisam as respostas antes de oferecer uma conclusão. Isso está um pouco mais próximo de como os humanos resolvem problemas.
Dados relatos de casos de um banco de dados estabelecido, o o1-preview diagnosticou o problema em quase 89% das vezes. Em cenários reais de pronto-socorro, a IA superou os médicos na fase de triagem, onde os médicos decidem qual paciente precisa de tratamento primeiro.
A IA foi aprovada nos exames de licenciamento médico e se saiu bem em avaliações clínicas simples. Mas “passar nos exames não é o mesmo que ser médico, e demonstrar desempenho de nível médico em tarefas clínicas autênticas é um desafio fundamentalmente mais difícil”, escreveram Ashley Hopkins e Erik Cornelisse, da Universidade Flinders, na Austrália, que não estiveram envolvidos no estudo.
Isso não significa que o o1-preview esteja pronto para a clínica ou prestes a substituir os médicos. Em vez de um espetáculo humano versus máquina, o estudo concentrou-se mais em estabelecer um padrão mais elevado para sistemas projetados para trabalhar ao lado de pessoas. Como todo mundo, os médicos estão incorporando a IA em seu trabalho. Se isso melhora ou prejudica o cuidado é uma questão em aberto.
“Estamos testemunhando uma mudança realmente profunda na tecnologia que irá remodelar a medicina”, disse o autor do estudo, Arjun Manrai, da Harvard Medical College, em entrevista coletiva.
IA, MD
O sonho da IA na área da saúde já dura décadas. Há mais de 65 anosos médicos propuseram uma referência para “médicos” de máquinas. O objetivo é criar IA que possa diagnosticar pacientes em casos complicados do mundo actual. Mas o uso em clínicas, onde as decisões têm consequências reais, é um padrão elevado.
Um conjunto de dados importante é o Jornal de Medicina da Nova Inglaterra (NEJM) série de conferências de casos clinicopatológicos, há muito usada para ensinar médicos em início de carreira a combinar sintomas com doenças.
É um trabalho difícil. Os sintomas muitas vezes se sobrepõem e o contexto é importante: histórico médico, genética, hábitos. Tal como os detetives, os médicos perseguem o suspeito mais provável e trabalham para verificar a sua teoria, mantendo em mente os outros culpados.
O conjunto de dados NEJM há muito frustra gerações de sistemas de computador como um teste de suas habilidades de diagnóstico. Alguns aprenderam com diagnósticos errados; outros dependiam de regras pré-programadas. Mas todos lutaram para encontrar os melhores diagnósticos e classificá-los por confiança.
Então surgiram grandes modelos de linguagem. Esses algoritmos podem analisar narrativas clínicas e gerar diagnósticos plausíveis apenas a partir do texto. OpenAI’s Modelo GTP-4por exemplo, poderia lidar com alguns casos de NEJM. Mas a maioria das avaliações de IA baseava-se em histórias simples e simplificadas, sem o ruído de prontuários hospitalares reais, onde detalhes extras ou ambíguos poderiam mudar o raciocínio.
Faltava uma linha de base humana significativa. Os modelos de IA atingiram limites máximos de referência em tarefas mais simples, mas o desempenho no mundo actual ainda não está claro. Para que os modelos tenham importância nos cuidados de saúde, precisam de mostrar que podem navegar pela ambiguidade que os médicos enfrentam todos os dias, através de doenças, com falta de informação.
Aluno Ás
A equipe comparou o o1-preview com médicos e GPT-4 em cinco experimentos.
O primeiro usou o NEJM conjunto de dados. Os pesquisadores deram aos modelos de IA avisos rigidamente controlados. “Estou realizando um experimento em uma conferência de casos clinicopatológicos para ver como seus diagnósticos se comparam aos de especialistas humanos”, começa um deles. Eles disseram aos modelos que existia um único diagnóstico, informaram-nos sobre os testes disponíveis e pediram-lhes que classificassem os diagnósticos por probabilidade.
Em 143 casos, a pré-visualização o1 avançou com quase 89% de likelihood de um diagnóstico perfeito ou muito próximo. GPT-4 obteve 73 por cento. O modelo o1-preview também respondeu a perguntas sobre o próximo teste de diagnóstico e etapas de gerenciamento. Isto incluiu tarefas como selecionar um antibiótico ou abordar conversas difíceis sobre cuidados no remaining da vida de um paciente.
A diferença aumentou em casos mais difíceis. Em pacientes simulados com infecções incomuns, lesões cardíacas, danos hepáticos de origem imunológica e doenças pulmonares autoimunes agressivas, o o1-preview superou o GPT-4 – e às vezes um painel de mais de 550 médicos.
Em seguida veio o maior desafio: casos envolvendo pacientes reais.
“Como todos podemos imaginar, o mundo actual… vem com inúmeras distrações, e se alguém realmente viu um registo de saúde eletrónico moderno, dizer que existem distrações é provavelmente, francamente, um eufemismo”, disse o autor do estudo, Peter Brodeur. “E então queríamos ver como o o1-preview poderia funcionar como diagnóstico sem eliminar todas as informações e ruídos irrelevantes que acompanham a prática médica diária.”
Quando a equipe alimentou 70 casos de emergência selecionados aleatoriamente em um hospital de Boston, o modelo ultrapassou dois médicos especialistas em vários cenários: triagem, exames, revisão de prontuários, decisões de admissão ou alta. Numa revisão cega, os avaliadores não conseguiram distinguir com segurança os resultados da IA dos médicos. É importante ressaltar que o1-preview poderia explicar o raciocínio por trás da avaliação remaining e mostrar como ela pesava as evidências de apoio ou refutação.
Mais informações ajudaram a todos. Mas o o1-preview teve uma vantagem na primeira fase, “onde há menos informações disponíveis sobre o paciente e mais urgência para tomar a decisão correta”, escreveu a equipe.
O que vem a seguir?
Os médicos não diagnosticam apenas com base em gráficos. Eles observam o paciente, ouvem sua respiração e fala e observam seu efeito durante os exames físicos. Mas o1-preview dependia apenas de texto documentado por outros. Modelos mais recentes – como GPT-5.3 e Gemini 3.1 Professional – podem capturar imagens, áudio e até vídeo. Em princípio, isso os aproxima de como os médicos realmente trabalham.
Mas, para ser claro, o1-preview não está pronto para o mundo actual. Embora a IA possa operar a nível especializado em tarefas bem definidas, como radiologiao raciocínio médico complexo não foi comprovado em ensaios clínicos. “Precisamos avaliar esta tecnologia agora” em testes rigorosos, disse Manrai.
Além disso, o raciocínio diagnóstico é apenas uma parte da medicina. Outros benchmarks de IA médica, como o Avaliação Médica Holística de Modelos de Linguagemvisam avaliar o cuidado de ponta a ponta. Isso inclui suporte à decisão clínica, anotações, comunicação com os pacientes, assistência à pesquisa e administração. A próxima etapa é testar a IA em ambientes clínicos supervisionados para ver seu desempenho sob orientação, como um estagiário médico.
OpenAI se precipitou aqui. No início deste ano, a empresa lançou Saúde do ChatGPT para lidar com mais de 40 milhões de perguntas relacionadas à saúde que a OpenAI afirma receber todos os dias. Mas a ferramenta já atraiu críticas por emergências médicas perdidas. Outros titãs da IA são juntando-se à corrida.
A precisão não é o único obstáculo para a implantação clínica. A IA médica também mostrou preconceito racial que resultou em resultados piores. Para que a IA mude os cuidados de saúde, “deve também proporcionar resultados equitativos, económicos e seguros, apoiados pela responsabilização, transparência e monitorização contínua”, escreveram Hopkins e Cornelisse.