IA médica já iguala ou supera médicos em testes controlados, mas ainda não está pronta para substituir decisões clínicas
Dois sistemas de IA médica, Mira e AMIE, mostraram resultados fortes em diagnóstico e gestão clínica. O avanço é relevante, mas os estudos foram feitos em ambientes controlados e ainda deixam dúvidas sobre uso real em hospitais.
Resumo
Dois sistemas de inteligência artificial médica, chamados Mira e AMIE, apresentaram resultados fortes em testes controlados de diagnóstico e gestão clínica.
Segundo o Financial Times, o Mira, desenvolvido por investigadores na Alemanha, atingiu 87,1% de precisão diagnóstica em oito condições de urgência, acima dos 78,1% obtidos por um painel de seis médicos especialistas. O sistema usa dados de registos clínicos electrónicos e pode escolher entre milhares de opções clínicas, incluindo testes, medicação e procedimentos.
O AMIE, desenvolvido pela Google com base no Gemini, foi testado em cenários de cuidados primários com múltiplas consultas simuladas. No estudo descrito, produziu planos de tratamento e investigação mais precisos e mais alinhados com guidelines clínicas do Reino Unido do que médicos de cuidados primários.
Na pratica
A leitura mais importante não é que a IA venceu os médicos. Essa conclusão seria demasiado simples.
O que estes estudos sugerem é que sistemas médicos especializados podem apoiar diagnóstico, triagem, gestão de doença e planeamento de tratamentos em contextos bem definidos. Podem funcionar como uma segunda camada de raciocínio clínico: organizar informação, sugerir hipóteses, verificar guidelines e reduzir omissões.
No caso do AMIE, os testes foram feitos com actores a representar pacientes e cenários estruturados. No caso do Mira, os casos clínicos também foram passados por simulações com agentes de IA a representar pacientes. Isto torna os resultados interessantes, mas ainda diferentes da prática clínica real, onde há ruído, dados incompletos, pressão de tempo, comunicação difícil e responsabilidade legal.
O que falta saber
O maior risco é confundir desempenho em simulação com prontidão clínica. Uma ferramenta pode ter bons resultados em testes controlados e ainda assim falhar quando entra num hospital, numa consulta real ou num sistema de saúde com dados inconsistentes.
Há também uma questão estratégica: modelos médicos especializados podem envelhecer depressa se os modelos generalistas evoluírem rapidamente. Se sistemas como Gemini, Claude ou GPT melhorarem o suficiente em raciocínio clínico, guidelines e uso de ferramentas, parte da vantagem dos modelos médicos feitos à medida pode diminuir.
Isto não torna a especialização inútil. Em medicina, validação, segurança, rastreabilidade, integração com dados clínicos e responsabilidade continuam a ser essenciais. Mas sugere que o futuro pode não ser apenas um modelo médico fechado, e sim uma combinação de modelos gerais fortes, camadas clínicas validadas e supervisão médica.
Porque importa
- A IA médica está a passar de demonstrações genéricas para tarefas clínicas mais concretas.
- Os resultados mostram potencial para apoiar médicos, mas não justificam substituição de supervisão humana.
- A validação em ambiente real continua a ser a diferença entre investigação promissora e uso clínico seguro.
- O valor futuro pode estar menos em IA que dá respostas e mais em sistemas auditáveis que ajudam médicos a decidir melhor.