Diagnóstico de IA da Microsoft supera médico generalista em casos complexos, diz estudo na Science

A Microsoft publicou na quinta-feira (22 de outubro de 2026), na revista científica Science, um estudo em que seu sistema de diagnóstico por inteligência artificial acertou 83% de casos médicos complexos simulados. Médicos generalistas (clínicos gerais e internistas), trabalhando sozinhos e com acesso a material de referência, acertaram 36% dos mesmos casos.

Mustafa Suleyman, CEO da Microsoft AI, chamou o resultado de um passo rumo ao que a empresa descreve como "superintelixência médica": a capacidade de um sistema de IA superar os melhores sistemas de saúde do mundo em raciocínio clínico e coordenação de cuidado, do início ao fim de um caso.

Para quem atende paciente todos os dias, o resultado chama atenção, mas pede um porém que o próprio estudo deixa claro: os casos usados no teste são do tipo que normalmente chega a especialista ou a equipe médica, não a um generalista sozinho. A comparação não incluiu esse grupo.

Como funciona o sistema testado

O sistema se chama MAI-DxO (o nome é abreviação de algo como orquestrador de diagnóstico da Microsoft AI). Ele não é um único modelo de IA respondendo perguntas: é uma camada de orquestração que coordena vários agentes de IA (programas que tomam decisões em sequência, como se cada um fosse um médico de uma junta) para interrogar o paciente simulado, pedir exames e debater entre si até fechar um diagnóstico.

Na simulação, a Microsoft usou casos complexos publicados pelo New England Journal of Medicine, uma das revistas mais respeitadas da área. Dominic King, vice-presidente de Saúde da Microsoft AI, explicou à TechCrunch por que a empresa aposta nisso.

O maior desafio na entrega de cuidados de saúde no momento é o descompasso crescente entre demanda e oferta de especialidade médica.

The biggest challenge in healthcare delivery at the moment is the growing mismatch between demand and supply of medical expertise.Dominic King, vice-presidente de Saúde da Microsoft AI

O ganho real está no modelo, não no orquestrador da Microsoft

Aqui está o dado que o ângulo deste estudo esconde num gráfico de página interna: boa parte da melhora vem do modelo de linguagem usado por baixo do MAI-DxO, não da camada de orquestração que a Microsoft vende como produto. A empresa testou o sistema com modelos da OpenAI, do Google, da Anthropic, da Meta e da chinesa DeepSeek. Os melhores resultados saíram com o GPT-5 e o GPT-5.5, da OpenAI.

Com o GPT-5 sozinho, cada caso custava, em média, 8.400 dólares para rodar (o cálculo leva em conta o uso de processamento). Acrescentar o MAI-DxO cortou esse custo em cerca de 3 mil dólares, mas elevou a precisão em apenas 4 pontos percentuais. Em casos de pronto-socorro, a diferença entre usar o modelo sozinho ou com o orquestrador praticamente desapareceu, tanto em acerto quanto em custo.

O padrão se repete: o MAI-DxO ajuda mais quando o modelo por trás dele é mais fraco. Com o Gemini 2.5 Flash, a diferença entre usar sozinho (46,4%) e com orquestração (quase 69%) foi grande, mas ainda assim menor que a diferença entre um modelo fraco e um modelo forte. Pesquisadores da Microsoft reconheceram que o ganho de precisão encolhe à medida que o modelo se aproxima do teto teórico de acerto.

Testes em hospital de verdade, não só em simulação

Até aqui, tudo rodou em simulação de casos publicados, sem paciente real. A Microsoft agora quer sair do papel: fechou parceria com o Beth Israel Deaconess Medical Center, em Boston, para avaliar o MAI-DxO em ambiente hospitalar real.

O desenho do estudo funciona assim: o paciente recebe o atendimento padrão (triagem, avaliação de especialista, exames e decisão de internar ou não). Em paralelo, quem aceitar participar também passa pela avaliação do MAI-DxO. No fim, a Microsoft compara as recomendações da IA com as decisões tomadas pelos médicos humanos.

O Google corre em paralelo com uma abordagem parecida: publicou neste mês, também com o Beth Israel, um estudo na revista The Lancet sobre o AMIE, seu próprio sistema de diagnóstico conversacional por IA, testado em atendimentos reais de urgência com médicos acompanhando a interação em tempo real. As duas gigantes de tecnologia disputam, no mesmo hospital, quem chega primeiro a evidência sólida de uso em ambiente clínico de verdade.

O plano de longo prazo: prontuário que prevê o futuro do paciente

Suleyman contou à TechCrunch que a Microsoft trabalha com a Mayo Clinic, referência médica americana, para treinar um modelo de fundação (um modelo de IA de base, treinado para servir de alicerce a vários produtos depois) voltado especificamente para saúde, com lançamento planejado para 2027.

Eu realmente acredito que em 2027 estaremos à beira de um avanço no estilo dos que vimos em programação, só que aplicado a prontuários médicos. Acho que vamos conseguir produzir previsões altamente precisas sobre como um prontuário vai evoluir, e esse tipo de previsão para um médico é pura preciosidade.

I really believe that in 2027, we will be on the verge of a coding style breakthrough for medical records. I think we're going to be able to stream highly accurate predictions about how a medical record might unfold, and obviously that kind of foresight for a clinician is gold dust.Mustafa Suleyman, CEO da Microsoft AI

Suleyman não é novato nesse tema: foi cofundador da DeepMind, comprada pelo Google em 2014, e montou com King a DeepMind Health depois que o Google comprou a startup de gestão clínica de King, a Hark, em 2015. Os dois saíram do Google e foram para a Microsoft em 2024. A aposta em saúde é projeto pessoal de longa data, não só mais uma linha de produto.

O que muda para quem atende paciente no Brasil

Nada do que saiu nesta semana está disponível para uso clínico no Brasil, nem a Microsoft anunciou data de chegada por aqui. Mas o estudo já dá pistas concretas de para onde essa tecnologia caminha, e o que vale observar antes de qualquer clínica ou hospital brasileiro considerar adotar algo parecido:

• O ganho real mora no modelo, não no pacote vendido por cima. Se a maior parte da melhora vem do GPT-5.5 e não da orquestração da Microsoft, isso significa que ferramentas mais simples, construídas sobre modelos de IA de ponta já acessíveis por API, podem chegar perto do mesmo resultado sem o custo de um produto corporativo fechado.
• O comparativo favorece a IA, mas não contra quem realmente vê esses casos. Casos complexos de verdade, no dia a dia, vão para especialista ou equipe multidisciplinar, não para um generalista sozinho com livro de referência. Um médico brasileiro que hoje encaminha um caso difícil para um colega mais experiente continua fazendo o que a IA, nesse teste, não foi comparada a fazer.
• Dado de paciente é dado sensível, e isso não muda com IA importada. Qualquer sistema desse tipo, rodando no Brasil, processa prontuário e histórico clínico, categoria de dado que a LGPD trata com rigor extra. Antes de usar qualquer ferramenta de apoio diagnóstico, cabe checar onde o dado do paciente é processado, por quanto tempo fica armazenado e se o paciente deu consentimento específico para isso, como já exige a lei brasileira de proteção de dados.
• A responsabilidade pelo diagnóstico continua sendo do médico. O estudo da Microsoft mede acerto de IA contra médico em simulação, mas não resolve a pergunta de quem assina o laudo, quem responde perante o conselho da categoria e quem é responsabilizado se o diagnóstico sair errado. Isso segue sendo humano, por enquanto, em qualquer sistema de saúde que leve a sério a prática clínica.

A Microsoft já vende ferramentas de ditado médico e apoio a radiologia a clínicas, parte delas herdada da compra da Nuance Communications, fechada em 2022, e trata o MAI-DxO como extensão natural desse portfólio. Suleyman disse esperar que os modelos de saúde fiquem "uma ordem de grandeza melhores" nos próximos dois ou três anos. Até lá, o que existe de concreto para o médico brasileiro é um estudo em revista científica, duas parcerias hospitalares em andamento nos Estados Unidos e uma disputa aberta entre Microsoft e Google por quem publica primeiro a prova de que a IA funciona com paciente de verdade, não só em simulação de papel.

Fonte: TechCrunch AI