IA na medicina: o que os estudos dizem sobre assertividade clínica

"IA já diagnostica melhor que médico" é a manchete fácil. A realidade, como sempre, é mais específica — e mais interessante. Nos últimos dois anos, um punhado de estudos publicados em revistas médicas revisadas por pares mediu, com metodologia controlada, o quanto modelos de linguagem como o GPT-4 conseguem identificar diagnósticos corretos a partir de dados clínicos. Os resultados chamam atenção, mas vêm com contexto importante sobre o que foi (e o que não foi) testado.

O que os estudos mostram

Diagnóstico em casos reais de pronto-socorro. Um estudo publicado no Journal of Medical Internet Research (JMIR) em julho de 2024 comparou o GPT-4, o GPT-3.5 e médicos residentes de emergência na tarefa de chegar ao diagnóstico correto em 100 casos reais de pronto-socorro, usando o diagnóstico de alta hospitalar como padrão-ouro. Resultado: GPT-4 acertou 97% dos casos, contra 90% do GPT-3.5 e 75% dos médicos residentes. Os próprios autores fazem a ressalva correta: é um estudo retrospectivo, com amostra limitada, e os pesquisadores descrevem o achado como evidência do potencial da IA como ferramenta de apoio diagnóstico — não como substituta do médico.

Desempenho em prova de acesso à residência médica. Um estudo publicado na JMIR Medical Education em 2026 avaliou o GPT-4o e o modelo o1 da OpenAI nas 176 questões (de conteúdo textual) do MIR 2024, o exame nacional espanhol que define as vagas de residência médica. O GPT-4o acertou 89,8% das questões; a média dos candidatos ao exame foi de 56,6%; e o consenso de um comitê de especialistas — médicos experientes decidindo em conjunto — chegou a 94,3%, ainda a melhor marca entre todos. Ou seja: a IA superou com folga o candidato médio, mas ficou atrás do julgamento coletivo de especialistas.

Além desses dois estudos, uma linha de pesquisa mais ampla sobre triagem de emergência também vem mostrando um padrão consistente: modelos como o GPT-4o conseguem apoiar a classificação de risco e a priorização de pacientes com uma acurácia que, sozinha, já é relevante — e que melhora ainda mais quando um especialista revisa a sugestão da IA antes de decidir, em vez de decidir sem esse apoio. Essa combinação — IA sugerindo, médico validando — é o padrão que aparece repetidamente na literatura mais recente sobre o tema.

O que os estudos não mostram (e por que isso importa)

Um relatório conjunto de Stanford e Harvard sobre o estado da IA clínica, divulgado no início de 2026, é uma leitura útil para calibrar expectativas. Ele documenta um crescimento real — mais de 1.200 dispositivos médicos baseados em IA já autorizados pela FDA — e casos de uso sólidos, como sistemas que identificam deterioração de pacientes 8 a 24 horas antes dos alertas tradicionais. Mas também traz alertas relevantes:

• Metade dos estudos de IA em medicina usam questões estilo prova; só 5% usam dados reais de pacientes no mundo real, com toda a ambiguidade e informação incompleta que isso envolve.
• O desempenho da IA cai quando o cenário sai do controlado — dados incompletos, incerteza clínica, contexto ambíguo — exatamente as condições mais comuns na prática médica real.
• Em pelo menos um estudo, médicos seguiram recomendações incorretas da IA mesmo quando o erro era detectável, produzindo decisões piores do que se tivessem decidido sozinhos.
• A conclusão dos próprios autores: a IA melhora o resultado quando apoia o julgamento clínico — não quando o substitui.

Isso não invalida os números acima. Reforça o motivo pelo qual eles importam: uma IA que identifica padrões com alta precisão é uma ferramenta poderosa de triagem e pré-anamnese — organizar sintomas, sinalizar hipóteses relevantes, dar ao médico um ponto de partida mais completo. Não é, e não deveria ser tratada como, uma substituta da avaliação clínica.

O que isso significa para quem já está aplicando IA na saúde no Brasil

Essa base de evidência é o motivo pelo qual soluções de triagem e pré-anamnese por IA vêm ganhando espaço no mercado brasileiro de saúde digital. A lógica que os estudos sustentam é sempre a mesma: uma IA que organiza sintomas, histórico e contexto com alta precisão consegue entregar ao médico um ponto de partida mais completo — sem tomar a decisão clínica no lugar dele.

Um exemplo desse movimento é a Dra. Sarah. Quando você descreve o que está sentindo pelo WhatsApp, a IA faz perguntas investigativas para organizar seu quadro — sintomas, histórico, contexto — e chega até o médico já estruturado. A consulta, o exame, o diagnóstico e a conduta continuam sendo sempre de um médico de verdade, com CRM ativo, conectado a você por telemedicina.

A ciência por trás disso é encorajadora: os estudos mostram que triagem por IA bem construída pode reduzir o tempo até um diagnóstico correto e dar mais contexto ao profissional que assume o caso. Mas a régua que guia esse tipo de solução é a mesma que os próprios pesquisadores recomendam — IA como apoio à avaliação, médico com a palavra final.

Quer experimentar? Faça seu pré-cadastro — e lembre-se: a Dra. Sarah orienta e conecta você a quem pode decidir, mas nunca substitui o atendimento médico de emergência. Em caso de urgência, ligue 192 (SAMU) ou 193 (Bombeiros).

Fontes: JMIR (2024) — ChatGPT With GPT-4 Outperforms Emergency Department Physicians in Diagnostic Accuracy · JMIR Medical Education (2026) — GPT-4o and OpenAI o1 Performance on the 2024 Spanish Competitive Medical Specialty Access Examination · Stanford Medicine — Clinical AI Has Boomed. A New Stanford-Harvard State of Clinical AI Report Shows What Holds Up in Practice