IA MAI-DxO da Microsoft supera médicos em estudo de diagnóstico
IA MAI-DxO da Microsoft supera médicos em estudo de diagnóstico
A Microsoft apresentou uma pesquisa que sugere que a inteligência artificial pode diagnosticar doenças complexas com uma precisão significativamente superior à dos médicos, ajudando também a reduzir exames desnecessários.
Num estudo publicado na Science em 22 de outubro de 2026, o orquestrador de diagnóstico por IA da Microsoft (MAI-DxO) alcançou 83% de precisão diagnóstica em casos médicos complexos, comparado com apenas 36% para médicos que utilizaram materiais de consulta.
O sistema também obteve bons resultados em casos mais comuns de urgência, atingindo 80% de precisão, contra 47% dos médicos.
Os resultados representam um avanço importante no raciocínio médico assistido por IA. Contudo, provêm de casos clínicos históricos avaliados através de um processo diagnóstico simulado, e não do tratamento de pacientes em hospitais.
Segundo o anúncio oficial da Microsoft, a empresa pretende agora testar a tecnologia em ambientes clínicos reais.
O que é o sistema de diagnóstico por IA MAI-DxO da Microsoft?
O Microsoft AI Diagnostic Orchestrator, ou MAI-DxO, é um sistema de IA concebido para reproduzir a colaboração de uma equipa médica no diagnóstico dos pacientes.
Ao contrário dos sistemas convencionais de IA, que analisam toda a informação médica disponível e fornecem imediatamente uma resposta, o MAI-DxO aborda o diagnóstico como uma investigação em evolução.
Coordena vários papéis de médicos virtuais que colaboram para examinar sintomas, solicitar informações adicionais, considerar possíveis diagnósticos e questionar as conclusões uns dos outros.
Como funciona o MAI-DxO
O sistema segue um processo diagnóstico em várias etapas:
- Avaliação inicial: Os agentes de IA analisam os sintomas apresentados pelo paciente e identificam possíveis doenças.
- Recolha de informação: O sistema determina quais as perguntas, avaliações ou exames diagnósticos adicionais mais úteis.
- Raciocínio colaborativo: Os papéis de médicos virtuais questionam explicações concorrentes e avaliam novas evidências.
- Decisões que consideram os custos: O sistema pondera o custo estimado e o potencial valor diagnóstico de exames adicionais.
- Diagnóstico final: Depois de reunir informação suficiente, o MAI-DxO seleciona o diagnóstico mais provável.
Esta abordagem procura reproduzir o raciocínio iterativo da prática clínica, em que os médicos reavaliam continuamente as suas conclusões à medida que surgem novas informações.
Os médicos virtuais são papéis gerados por IA dentro de um sistema de orquestração, não médicos humanos independentes.
IA da Microsoft versus médicos: os resultados do estudo
A Microsoft avaliou o MAI-DxO com o seu referencial de diagnóstico sequencial, o Sequential Diagnosis Benchmark, ou SDBench.
A avaliação incluiu 629 casos clínicos históricos de dois conjuntos de dados: 304 casos difíceis do The New England Journal of Medicine (NEJM) e 325 casos de urgência do conjunto de dados médicos MIMIC-IV-ED.
Os resultados mostraram diferenças substanciais na precisão diagnóstica.
| Avaliação diagnóstica | Precisão do MAI-DxO | Precisão dos médicos |
|---|---|---|
| 304 casos complexos do NEJM, médicos com materiais de consulta | 83,2% | 36,1% |
| 304 casos complexos do NEJM, médicos sem materiais de consulta | 83,2% | 22,3% |
| 325 casos de urgência | 80,3% | 46,8% |
Fonte: Microsoft AI e Nori et al., «Sequential Diagnosis with Language Models», Science, 22 de outubro de 2026.
A IA atingiu mais do dobro da precisão dos médicos em casos complexos
Nos 304 casos difíceis do NEJM, o MAI-DxO alcançou aproximadamente 2,3 vezes a precisão diagnóstica dos médicos que podiam consultar livros e recursos da internet.
Em comparação com médicos sem esses materiais, a sua precisão foi aproximadamente 3,7 vezes superior.
Estes resultados sugerem que os sistemas de IA podem ser especialmente valiosos no diagnóstico de doenças raras ou complexas que exigem vasto conhecimento médico e interpretação cuidadosa das evidências.
Contudo, a comparação envolveu médicos generalistas participantes em condições controladas de estudo, e não equipas multidisciplinares de especialistas em hospitais reais.
A IA também teve melhor desempenho nos casos de urgência
A avaliação dos casos de urgência produziu outro resultado relevante.
O MAI-DxO diagnosticou corretamente cerca de 80% dos casos, contra 47% dos médicos participantes.
Isto equivale a aproximadamente 1,7 vezes a precisão diagnóstica.
Ao contrário dos casos difíceis do NEJM, o conjunto de dados de urgência foi concebido para representar apresentações clínicas mais comuns.
Isso torna os resultados particularmente relevantes para possíveis aplicações nos cuidados de saúde quotidianos.
Ainda assim, tratou-se de avaliações simuladas com registos históricos de urgência, não de interações em tempo real com pacientes.
A IA pode melhorar o diagnóstico e reduzir os custos de saúde?
Um dos aspetos mais importantes da pesquisa da Microsoft é a atenção simultânea à precisão diagnóstica e aos custos dos exames médicos.
Um sistema de IA muito preciso pode ter utilidade prática limitada se alcançar melhores resultados simplesmente solicitando exames em excesso.
Para responder a este problema, o MAI-DxO avalia a provável utilidade de investigações adicionais juntamente com o seu custo financeiro estimado.
A IA otimizada para custos manteve uma precisão elevada
A Microsoft informou que uma configuração otimizada para custos atingiu aproximadamente 81% de precisão diagnóstica nos casos complexos do NEJM, por menos de metade do custo estimado de certas abordagens de comparação.
Outras configurações também demonstraram que o sistema podia operar com orçamentos de exames substancialmente menores, mantendo um bom desempenho.
Contudo, é necessário distinguir os resultados de maior precisão dos de menor custo.
As configurações sem restrições que atingiram 83,2% no NEJM e 80,3% na urgência tiveram custos médios estimados superiores aos dos respetivos grupos de médicos. As configurações de menor orçamento geraram poupanças com alguma redução de precisão.
Assim, o estudo demonstra um compromisso promissor entre precisão e custo, mas não prova que todas as versões do MAI-DxO sejam simultaneamente mais precisas e mais baratas do que os médicos.
Os custos foram modelados com dados padronizados de preços médicos. Não representam despesas hospitalares reais nem poupanças verificadas para os pacientes.
Porque vai esta pesquisa além dos testes tradicionais de IA médica?
Muitas avaliações de IA médica baseiam-se em exames padronizados ou perguntas de escolha múltipla.
Esses testes medem o conhecimento médico, mas podem não refletir fielmente a complexidade de diagnosticar pacientes reais.
Na prática clínica, raramente toda a informação está disponível de uma só vez. Os médicos precisam de decidir o que perguntar, que exames solicitar e quando já têm evidências suficientes para uma conclusão.
Apresentação do referencial de diagnóstico sequencial
A Microsoft desenvolveu o SDBench para avaliar este processo de decisão de forma mais realista.
Em vez de fornecer toda a história clínica de início, a avaliação começa com informação limitada.
O sistema diagnóstico deve então solicitar mais detalhes passo a passo.
Um intermediário simulado fornece informações do registo do caso ou gera respostas plausíveis quando os dados solicitados não existem. Um processo de avaliação baseado em IA determina se o diagnóstico está correto.
Isto permite aos investigadores examinar se o sistema chega ao diagnóstico correto e como lá chega.
A Microsoft disponibilizou componentes do SDBench aos investigadores, apoiando novos testes e a reprodutibilidade.
A empresa também informa que os ganhos do MAI-DxO se mantiveram quando avaliado com modelos de IA mais recentes, incluindo o GPT-5.5, sem alterar a abordagem de orquestração subjacente.
Isto sugere que o método poderá beneficiar de avanços contínuos nos modelos fundacionais.
Microsoft planeia testes clínicos reais em Boston
Apesar dos resultados promissores nas avaliações, o sistema de diagnóstico da Microsoft ainda não demonstrou desempenho equivalente na prática clínica real.
Para investigar essa diferença, a Microsoft anunciou uma parceria com o Beth Israel Deaconess Medical Center, em Boston.
As organizações pretendem avaliar as capacidades de raciocínio clínico do MAI-DxO em hospitais.
O que o estudo clínico irá examinar
No estudo prospetivo previsto, os pacientes vão interagir diretamente com o sistema de IA, e as suas avaliações diagnósticas serão comparadas com avaliações independentes realizadas por médicos.
A pesquisa ajudará a determinar se o MAI-DxO consegue manter o desempenho perante a incerteza e a complexidade dos encontros clínicos reais.
Também fornecerá evidências sobre como integrar a tecnologia nos fluxos de trabalho médicos existentes.
Até esses estudos apresentarem resultados, a superioridade diagnóstica em condições reais continua por demonstrar.
Os desafios que a IA deve superar antes da adoção clínica
Embora os resultados da Microsoft sejam significativos, a precisão diagnóstica, por si só, não basta para determinar se um sistema de IA melhora os cuidados de saúde.
Várias questões importantes continuam sem resposta.
Fiabilidade clínica e segurança dos pacientes
Os pacientes reais podem apresentar histórias incompletas, sintomas sobrepostos, complicações inesperadas e resultados ambíguos.
Os sistemas de IA devem demonstrar que conseguem lidar com estas situações de forma fiável, reconhecer a incerteza e evitar recomendações potencialmente prejudiciais.
Decisões terapêuticas e cuidados a longo prazo
Identificar uma doença é apenas uma parte dos cuidados de saúde.
Os médicos também precisam de selecionar tratamentos adequados, acompanhar os pacientes, responder a complicações e adaptar os cuidados às circunstâncias individuais.
Os resultados publicados do MAI-DxO não demonstram que o sistema possa assumir essas responsabilidades mais amplas.
Supervisão humana e integração nos cuidados de saúde
Os sistemas clínicos de IA também precisam de se integrar na forma como médicos e pacientes tomam decisões em conjunto.
Isso inclui explicar recomendações, apoiar o julgamento profissional, proteger informações sensíveis e manter supervisão humana adequada.
Estes requisitos tornam indispensável a validação em condições reais antes de uma utilização clínica generalizada.
Porque importa o avanço da Microsoft na IA médica?
A pesquisa da Microsoft aponta para uma mudança potencialmente importante na inteligência artificial médica.
Além de responder a perguntas médicas, a IA poderá apoiar cada vez mais o próprio processo diagnóstico: reunir evidências, comparar explicações concorrentes e ajudar os profissionais a decidir que investigações oferecem maior valor.
O estudo também reforça o interesse das arquiteturas de IA colaborativas, nas quais vários papéis especializados contribuem para uma decisão comum.
A visão mais ampla de superinteligência médica da Microsoft inclui, além do diagnóstico, o planeamento terapêutico, a monitorização da saúde ao longo do tempo e o apoio personalizado às decisões clínicas.
A empresa também colabora com a Mayo Clinic para explorar como a IA avançada, a experiência clínica e os dados longitudinais dos pacientes podem apoiar sistemas de saúde mais abrangentes.
Contudo, melhorias nas avaliações diagnósticas não devem ser confundidas com melhorias demonstradas na sobrevivência, nos resultados dos tratamentos ou no acesso aos cuidados de saúde.
Esses benefícios ainda exigem evidências clínicas rigorosas.
Conclusão
O MAI-DxO da Microsoft representa um avanço promissor no diagnóstico médico assistido por IA.
O seu desempenho em casos complexos e avaliações de urgência mostra que o raciocínio de IA orquestrado pode superar a precisão dos médicos participantes em condições de avaliação controladas.
As configurações otimizadas para custos também sugerem oportunidades para reduzir as despesas com exames diagnósticos, mantendo parte dos ganhos de precisão.
O próximo marco será demonstrar se esses benefícios se traduzem em cuidados mais seguros, eficazes e acessíveis para pacientes reais.
O futuro da IA médica dependerá de diagnosticar doenças com precisão e de ajudar os profissionais a prestar melhores cuidados no mundo real.
Fontes e leituras adicionais
- Microsoft AI — Building Medical Superintelligence (22 de outubro de 2026)
- Nori et al. — Sequential Diagnosis with Language Models, Science (2026)
- Microsoft — Sequential Diagnosis Benchmark (SDBench)
- American Association for the Advancement of Science — Sistema de IA melhora a precisão diagnóstica e reduz os custos dos exames médicos