IA da Microsoft acerta 83% de casos médicos difíceis, contra 36%

A Microsoft publicou nesta quinta-feira (22), na revista científica Science, um estudo sobre o MAI-DxO, sistema de IA que simula uma junta de médicos para fechar diagnósticos. Em casos complexos do New England Journal of Medicine, o sistema acertou 83% das vezes, enquanto clínicos gerais e internistas trabalhando sozinhos, com material de consulta, acertaram 36%. Os dados foram detalhados em reportagem do TechCrunch, que ouviu Mustafa Suleyman, CEO da Microsoft AI, e é a base desta matéria.

O número impressiona, mas vem com ressalvas importantes que o próprio texto original destaca. A comparação foi feita em simulação, e não com pacientes reais. Além disso, casos tão complexos normalmente são conduzidos por especialistas ou equipes de médicos, e esse grupo não entrou na comparação. Ou seja: o estudo mostra que a IA supera o médico generalista isolado em quebra-cabeças difíceis, não que ela substitua o sistema de saúde.

Como o MAI-DxO funciona

O MAI-DxO, chamado de DxO pela Microsoft, não é um modelo único. Ele orquestra vários agentes de IA que se comportam como uma mesa de especialistas: um interroga o paciente, outro decide quais exames pedir, outros debatem as hipóteses até chegar a um diagnóstico. Na prática, é uma camada de coordenação colocada por cima de modelos de linguagem já existentes.

Os pesquisadores testaram a camada com modelos da OpenAI, do Google, da Anthropic, da Meta e da DeepSeek. Os melhores resultados vieram com o GPT-5 e o GPT-5.5, este lançado em abril de 2026. Com o GPT-5 sozinho, usando um prompt curto e básico, a taxa em casos complexos foi de 78,9%, a um custo de cerca de US$ 8.400 por caso. Com o DxO, o custo caiu cerca de US$ 3.000, mas a precisão subiu só uns quatro pontos percentuais.

O que os números dizem de verdade

Com o GPT-5.5, o DxO elevou a precisão em casos complexos de 72% para quase 87%, com custo um pouco menor. Já nos casos de pronto-socorro, o ganho foi pequeno tanto em acerto quanto em economia: as duas configurações do GPT-5.5 ficaram em torno de 85%.

Em modelos mais fracos, o efeito da camada é maior. O Gemini 2.5 Flash subiu de 46,4% sozinho para quase 69% com o DxO. Mesmo assim, a diferença entre modelos fortes e fracos continuou maior do que o impulso dado pela orquestração. Segundo a reportagem, a própria Microsoft reconhece que os ganhos encolhem à medida que os modelos se aproximam do teto teórico. Em outras palavras, boa parte da melhora vem do modelo de base, e a camada de agentes soma por cima.

Próximos passos e a ideia de superinteligência médica

Suleyman, que cofundou a DeepMind e lidera a divisão de IA da Microsoft desde 2024, usa o resultado para defender o que a empresa chama de superinteligência médica: a capacidade de superar os melhores sistemas de saúde conduzidos por humanos em raciocínio clínico, incluindo a coordenação do cuidado. Ele espera que os modelos de saúde fiquem muito mais capazes em 24 a 36 meses.

A empresa afirma que vai testar o DxO com o Beth Israel Deaconess Medical Center, em Boston. Pacientes que consentirem receberão as recomendações do sistema junto do atendimento padrão, e essas sugestões serão comparadas com as decisões dos médicos. A Microsoft também trabalha com a Mayo Clinic num modelo de base para saúde, previsto para 2027. Outro movimento do setor: o Google publicou neste mês, na The Lancet, um estudo com o mesmo hospital sobre o sistema AMIE em atendimento de urgência real.

A Microsoft já vende ferramentas de ditado e de radiologia a profissionais de saúde e vê o DxO como extensão desse portfólio. Para acompanhar como a empresa tem tratado a segurança dos próprios modelos, vale ler também a cobertura do Portal da AI sobre os Guardian Agents para modelos de fronteira não confiáveis, tema relevante quando a IA passa a opinar em decisões de saúde.

Por que isso importa para você

Mesmo quem não trabalha com saúde sente o efeito. Primeiro, o estudo reforça uma tendência: vários agentes coordenados, cada um com um papel, tendem a render mais do que um chatbot respondendo sozinho. A lógica vale para quem monta automações no próprio negócio, seja atendimento, análise de contratos ou pesquisa de mercado. Se você ainda está escolhendo ferramentas, o guia ChatGPT, Claude ou Gemini: qual IA escolher ajuda a entender onde cada modelo se encaixa.

Segundo, o resultado mostra que o modelo de base importa muito. A orquestração melhora o desempenho, mas um modelo fraco com uma boa camada ainda perde para um modelo forte. Na hora de pagar por uma assinatura ou por API, vale testar o mesmo trabalho em mais de um modelo antes de decidir, em vez de assumir que a ferramenta mais cara é sempre a melhor para a sua tarefa.

Terceiro, quem usa IA para saúde no dia a dia, como muita gente que pergunta sintomas a um chatbot, precisa manter os pés no chão. O estudo é uma simulação com casos publicados, a comparação deixou de fora os especialistas e o próprio sistema ainda vai passar por testes com pacientes reais. Use essas ferramentas como apoio para organizar dúvidas e levar perguntas melhores à consulta, nunca como substituto de avaliação médica. A discussão sobre medir a qualidade de IA em temas sensíveis também apareceu no MentalHealthBench da OpenAI, que avalia respostas de IA em saúde mental.

Por fim, há uma oportunidade para quem empreende no Brasil. Saúde é um setor em que a demanda por organização de dados, triagem e acompanhamento de pacientes é enorme, e os grandes laboratórios estão mirando esse mercado. O Future Health Index 2026 da Philips mostra como profissionais brasileiros enxergam a IA na saúde, e o caso da HealthLeap, que captou US$ 38 milhões para identificar pacientes hospitalares em risco, indica que investidores já financiam produtos nessa direção.

O que observar daqui para a frente

O teste decisivo será o piloto em Boston. Se as recomendações do DxO forem comparadas com decisões reais e o desempenho se mantiver, o argumento da Microsoft ganha força. Se o resultado ficar abaixo do que apareceu na simulação, o caso servirá de lembrete de que benchmark não é consultório. Também vale acompanhar se haverá avaliação com equipes de especialistas, que é o ponto fraco da comparação atual, e se a empresa abrirá o acesso ao sistema fora dos Estados Unidos.

Até lá, a leitura mais honesta é a que o próprio estudo sugere: a IA já é muito boa em raciocinar sobre casos difíceis quando tem acesso a boas informações, mas a distância entre acertar um caso de revista científica e cuidar de um paciente de verdade continua grande. O ritmo de avanço, porém, explica por que as big techs tratam saúde como uma das próximas grandes frentes da IA.