Inteligência Artificial pode ajudar a reduzir diagnósticos falhados, mas ainda enfrenta desafios

2026-07-10

Estudo testa modelos de IA na deteção de diagnósticos perdidos nas urgências, mas fadiga dos alertas e falsos positivos ainda limitam a sua aplicação clínica

Os sistemas de Inteligência Artificial (IA) poderão vir a desempenhar um papel importante na identificação de oportunidades de diagnóstico que escapam à avaliação inicial dos profissionais de saúde. No entanto, um estudo recentemente publicado na JAMA Network Open mostra que, apesar do potencial demonstrado, estes sistemas ainda apresentam limitações significativas que impedem, para já, a sua integração generalizada na prática clínica.

O tema foi analisado por F. Perry Wilson, médico da Yale School of Medicine, no comentário "Can AI Save Doctors From Missed Diagnoses?", publicado na Medscape.

O desafio da fadiga dos alertas

Segundo o autor, existe um fenómeno bem conhecido na prática clínica denominado fadiga dos alertas (alert fatigue). Em ambientes onde existem inúmeros avisos, alarmes e notificações, como acontece frequentemente nos serviços de urgência e unidades de cuidados intensivos, os profissionais podem começar a ignorar alguns desses alertas, incluindo aqueles que são verdadeiramente importantes.

Por esse motivo, qualquer sistema de IA destinado a apoiar decisões clínicas terá de ser suficientemente preciso para acrescentar valor ao processo de diagnóstico, sem contribuir para um excesso de notificações.

O estudo avaliou oportunidades de diagnóstico não identificadas

O estudo analisou a capacidade de vários modelos de linguagem (LLMs) para identificar situações em que existiu uma oportunidade perdida de diagnóstico.

Foram avaliados dois grupos de doentes atendidos no serviço de urgência:

doentes que receberam alta e regressaram ao hospital, sendo internados nas 72 horas seguintes;
doentes inicialmente internados em enfermaria, mas que necessitaram de transferência para a unidade de cuidados intensivos nas 24 horas seguintes.

Antes da avaliação pelos modelos de IA, cada caso foi revisto manualmente por médicos para determinar se existia efetivamente uma oportunidade de diagnóstico que pudesse ter alterado o desfecho clínico.

Dos 288 casos analisados, foram identificadas 39 situações (13,5%) em que existia uma oportunidade de diagnóstico considerada clinicamente relevante.

Como foram avaliados os modelos de IA

Os investigadores forneceram aos diferentes modelos de linguagem as notas clínicas do episódio de urgência e os restantes dados do caso.

Os modelos tinham três objetivos:

indicar se existia um diagnóstico potencialmente não identificado;
estimar a probabilidade de esse diagnóstico ter sido falhado;
sugerir qual poderia ser esse diagnóstico.

Foram avaliados vários modelos, incluindo Claude Sonnet 4, Claude Sonnet 4.6, Claude Opus 4.6, Gemini 3 Pro, GPT-5 e GPT-5 mini.

Sensibilidade e especificidade continuam a representar um equilíbrio difícil

Os resultados mostraram diferenças entre os modelos avaliados.

O Claude Sonnet 4 apresentou a maior sensibilidade na identificação de oportunidades de diagnóstico, enquanto o GPT-5 mini obteve o desempenho mais baixo nesta medida.

No entanto, o estudo demonstrou igualmente que uma maior sensibilidade foi acompanhada por menor especificidade, ou seja, por um maior número de falsos positivos.

Segundo o autor, este é o clássico equilíbrio entre sensibilidade e especificidade observado em muitos testes de diagnóstico.

Quando os investigadores analisaram o desempenho global através da área sob a curva ROC (AUROC), o Claude Sonnet 4 voltou a apresentar o melhor resultado no grupo de doentes que receberam alta da urgência.

Muitos alertas continuariam a ser falsos positivos

O comentário apresenta um exemplo baseado no modelo com melhor desempenho.

Em cada 100 doentes com alta da urgência:

cerca de 48 originariam um alerta da IA;
apenas 9 corresponderiam efetivamente a oportunidades de diagnóstico identificadas corretamente;
aproximadamente 39 seriam falsos positivos;
2 casos continuariam por identificar pelo sistema;
50 doentes seriam corretamente classificados sem necessidade de alerta.

Segundo F. Perry Wilson, este volume de falsos positivos poderá comprometer a confiança dos profissionais de saúde na tecnologia, levando-os a ignorar os alertas gerados.

A evolução dos modelos continua rapidamente

O autor recorda que os modelos utilizados neste estudo correspondiam às versões disponíveis no início de 2026, tendo sido utilizados em março desse ano.

Considera, por isso, que modelos mais recentes poderão apresentar melhor desempenho.

Ainda assim, identifica algumas limitações inerentes aos modelos de linguagem, nomeadamente a dependência dos prompts utilizados e a variabilidade das respostas produzidas. No estudo, os investigadores reduziram essa variabilidade definindo a temperatura dos modelos para zero, privilegiando respostas consistentes.

Um potencial ainda em desenvolvimento

F. Perry Wilson conclui que estes sistemas ainda não estão preparados para serem integrados de forma rotineira nos registos clínicos eletrónicos com o objetivo de eliminar oportunidades de diagnóstico perdidas.

Apesar disso, manifesta confiança na evolução rápida da tecnologia e considera provável que a IA venha a desempenhar um papel cada vez mais relevante na revisão da prática clínica e no apoio à decisão médica.