O “Orquestrador” de diagnóstico em IA da Microsoft (MSFT.US) aparece na Science: taxa de precisão é o dobro dos médicos generalistas, IA médica avança para produtividade clínica

De acordo com o aplicativo financeiro Zhihui Caijing, a Microsoft (MSFT.US) fez uma grande aposta no segmento de IA aplicada à saúde. Em 22 de outubro, horário local, os resultados da pesquisa do sistema de diagnóstico por IA MAI-DxO (Microsoft AI Diagnostic Orchestrator) foram oficialmente publicados na revista Science. Trata-se de uma ferramenta de IA capaz de diagnosticar pacientes passo a passo, como faria um médico, e que apresenta uma taxa de acurácia mais de duas vezes superior à de clínicos gerais em casos médicos complexos.

Em uma avaliação simulada baseada em 304 casos complexos do The New England Journal of Medicine (NEJM), a taxa de acurácia do MAI-DxO alcançou 83,2%, enquanto a de médicos generalistas e clínicos gerais com acesso independente a referências foi de apenas 36,1%; sem acesso a referências, a taxa caiu ainda mais, para cerca de 22%. Em outro teste, baseado em dados de internação de emergência do banco MIMIC-IV-ED, a taxa do sistema foi de 80,3%, enquanto a de médicos generalistas ficou em 46,8%, reduzindo a vantagem para 1,7 vez.

O relatório afirma que o modelo utiliza um "orquestrador" para identificar e coordenar as perguntas que devem ser feitas ao paciente, assim como os exames e testes a serem solicitados; este orquestrador organiza o modo de atuação da IA simulando a colaboração de um grupo de especialistas clínicos para resolver casos de diagnóstico.

Modelos existentes de IA para saúde geralmente utilizam um método "de uma única vez", analisando de forma abrangente todos os sintomas, resultados laboratoriais e exames de imagem do paciente para gerar um diagnóstico.

Com o orquestrador coordenando as etapas do diagnóstico, o modelo de IA decide primeiramente quais informações da história clínica devem ser coletadas e quais aspectos do exame físico são mais importantes. Com base nessas informações, ele determina quais exames solicitar, avalia seus resultados e, quando apropriado, encaminha para exames adicionais. Segundo o chefe da pesquisa, durante todo o processo, o modelo atualiza continuamente suas hipóteses de trabalho e planos.

Ao diagnosticar mais de 300 doenças extremamente raras e complexas, o modelo com orquestrador de diagnóstico atingiu uma taxa de acurácia mais de duas vezes superior à dos clínicos gerais auxiliados por livros didáticos e internet, tanto na avaliação quanto na identificação do diagnóstico. Em cenários desenhados a partir de um grande banco de dados de admissões em emergências, a ferramenta também superou os médicos humanos.

Os pesquisadores apontam que avaliações anteriores, comparando esses sistemas com médicos humanos, geralmente faziam uso de questões de múltipla escolha.

“A IA já é muito boa nisso, podendo atingir uma taxa de acerto de 100%”, afirmou o vice-presidente corporativo para saúde em IA da Microsoft, Dr. Dominic King, que lidera o desenvolvimento dessa nova tecnologia. “Mas claro, isso não é o mundo real. Nenhum paciente chega até mim com um belo resumo.”

Os pesquisadores também descobriram que, quando o orquestrador projeta o fluxo de exames, o custo do processo diagnóstico é menor do que quando o fluxo é projetado por médicos humanos. “Não apenas medimos a precisão do sistema, mas também quão criterioso e cuidadoso ele é ao selecionar exames para o diagnóstico”, disse o diretor de IA da Microsoft AI Health, Hasah Nouri.

Em colaboração com o Centro Médico Beth Israel Deaconess de Boston, os pesquisadores irão testar, na próxima etapa, a capacidade da ferramenta de triagem de pacientes na sala de espera da emergência.

No aspecto comportamental, médicos fazem em média 5,6 perguntas antes de solicitarem o primeiro exame, enquanto o DxO faz, em média, 25,5, demonstrando um padrão de coleta de histórico mais sistemático e estruturado. Em relação ao modelo de base, o sistema teve melhor desempenho com o OpenAI GPT-5, e usando o GPT-5.5 o desempenho foi ainda melhor, indicando que os ganhos da camada de orquestração são transferíveis entre modelos diferentes.

Do ponto de vista comercial, um sinal importante deste estudo é a mudança nos padrões de avaliação: a Microsoft também propôs o SDBench, referencial de diagnóstico sequencial, transformando casos clínicos em interações passo a passo no "cenário de consulta" e, pela primeira vez, incluindo o custo dos exames como critério de avaliação, além da acurácia. Isso indica que a competição em IA médica está migrando do foco na acurácia dos algoritmos para uma disputa abrangente pela "capacidade de raciocínio clínico orquestrado + eficiência de custos".

Essa guinada está alinhada ao ritmo geral do setor. Segundo dados da Grand View Research, o mercado global de IA médica deverá atingir cerca de US$ 42,62 bilhões em 2025, US$ 56,2 bilhões em 2026, podendo chegar a US$ 1,05 trilhão até 2036, com taxa composta de crescimento anual de cerca de 34% entre 2026 e 2036.

No lado da oferta, desde a aquisição da Nuance por quase US$ 20 bilhões em 2022, a Microsoft já integrou o Dragon Copilot ao fluxo de trabalho clínico de documentação e voz, cobrindo uma grande quantidade de hospitais e médicos nos Estados Unidos, e o MAI-DxO representa uma extensão natural do foco anterior de "automação de documentação" para "suporte à decisão diagnóstica".

O próximo ponto-chave de validação já está definido. A Microsoft planeja, nos próximos meses, iniciar, em parceria com o Beth Israel Deaconess Medical Center de Boston, testes prospectivos em ambientes clínicos reais, com foco na triagem de pacientes em emergências. Ao mesmo tempo, com a colaboração no desenvolvimento de modelos fundacionais médicos junto à Mayo Clinic, a peça final do quebra-cabeça da comercialização médica da Microsoft está se encaixando.

Para o mercado secundário, o fator de estímulo de curto prazo já foi liberado com o respaldo da Science, mas o valor central das IA médicas dependerá, em última instância, de a vantagem observada em ambientes simulados ser replicada em estudos cegos do mundo real, bem como da definição de preço e responsabilidade pelo diagnóstico assistido por IA feita por pagadores e regulamentadores.