O próximo exame médico pode ser escolhido por uma inteligência artificial que imagina antes o que o resultado diria

Como o ACTMED converte resultados hipotéticos na seleção dos exames

Resultados imaginados viram escolha.

O ACTMED pede a um modelo de linguagem que visualize desfechos plausíveis para cada exame candidato e, em seguida, avalie com que intensidade esses desfechos alterariam a probabilidade da doença. Em um exemplo prático de doença renal crônica, o sistema compara creatinina sérica e sódio. Para cada exame, ele imagina dois resultados possíveis, calcula a nova chance de ter doença renal após cada um e determina qual teste provocaria a maior mudança nessa chance se fosse solicitado.

Um valor alto de creatinina eleva a probabilidade para 0,65, enquanto um valor normal a reduz para 0,22. Um resultado baixo de sódio atinge apenas 0,45, e uma leitura normal o derruba para 0,18. Como os desfechos imaginados da creatinina deslocariam mais a probabilidade, o ACTMED seleciona a creatinina sérica em vez do sódio.

A equipe denomina isso ganho esperado de informação, uma medida de quanto um resultado precisaria o diagnóstico. O método trata cada exame como um experimento cujo valor não reside apenas no custo, mas na mudança de crença que ele pode gerar antes da coleta de qualquer amostra. Ruhrberg Estévez e colaboradores escrevem que “a estrutura emite recomendações de exames, e não decisões fixas, permitindo que os clínicos anulem sugestões com base no contexto e consultem novamente o sistema com resultados alternativos”.

A qualidade do simulador define o teto de desempenho do sistema

O simulador define o teto do desempenho. O ACTMED seleciona um exame imaginando primeiro quais seriam seus possíveis resultados e depois avaliando qual deles alteraria mais o diagnóstico. Se essas projeções estiverem erradas, a escolha subsequente também estará incorreta.

Um simulador fraco pode falhar de duas formas distintas. Um modelo de código aberto gerava, por vezes, valores clinicamente implausíveis, como números não inteiros para gestações anteriores. Outro retornava frequentemente o mesmo valor em amostras repetidas, mesmo quando a aleatoriedade do processo era aumentada. Em ambos os casos, o sistema não conseguia estimar quanto um novo resultado modificaria a probabilidade da doença.

Essa falha se reflete na precisão. No caso da hepatite C, o simulador médico mais fraco tornou o ACTMED menos preciso do que um classificador simples que utilizava todos os exames disponíveis (0,489 contra 0,511). Ruhrberg Estévez e colegas sugerem que isso ocorre porque esses modelos têm dificuldade em capturar a incerteza específica de cada paciente.

Um simulador geral mais robusto apresentou melhor desempenho: seus resultados simulados permaneceram mais próximos das distribuições reais, e o ACTMED superou a seleção aleatória, um conjunto fixo dos melhores exames e a seleção implícita por LLM no conjunto mais amplo de casos no estilo OSCE. A equipe observa que os grandes modelos de linguagem atuais ainda não estão prontos para diagnóstico autônomo direto.

Onde os médicos mantêm a palavra final e onde o método ainda falha

Os clínicos mantêm a palavra final. O sistema sugere exames, mas cabe ao médico revisar as estimativas iniciais de risco, checar se os resultados simulados são plausíveis, descartar testes inviáveis e vetar escolhas inseguras. Ruhrberg Estévez e colegas afirmam que “os LLMs atuais ainda não estão prontos para diagnóstico autônomo direto”.

A equipe também destaca uma limitação: o método funciona apenas com classificação binária. Cada tarefa é tratada como uma decisão única de sim ou não, mesmo que o trabalho inclua um conjunto mais amplo de casos no estilo OSCE. Para que a técnica chegue às alas hospitalares reais, as próximas avaliações precisam cobrir comorbidades e cenários multirótulo.

O custo computacional é outra barreira. Estimar o valor esperado de um exame candidato levou cerca de 20 segundos usando GPT-4o ou GPT-4o-mini, enquanto um classificador estático processa todos os dados em uma única passada. Os autores argumentam que essa latência é aceitável, pois exames desnecessários e diagnósticos tardios geram custos médicos e financeiros muito maiores.

O método também ignora relatórios em texto livre, como laudos de imagem ou patologia. Versões estruturadas desses registros poderiam ser incorporadas no futuro, mas, até lá, o sistema opera apenas com variáveis categóricas e numéricas.

Um auxiliar, não um substituto

O ACTMED transforma o diagnóstico em uma sequência de escolhas, e não em um único palpite. O sistema avalia o que cada exame provavelmente revelaria e recomenda aquele com maior potencial para reduzir a incerteza. Isso o distingue de uma caixa-preta que apenas devolve um rótulo.

Ruhrberg Estévez e colegas posicionam o ACTMED como uma ferramenta que emite recomendações, não decisões fixas. Eles observam também que os modelos de linguagem atuais ainda “não estão prontos para diagnóstico autônomo direto”, mas podem ser mais adequados como instrumentos de apoio à decisão. A oportunidade é concreta: menos exames desnecessários, triagem mais ágil em clínicas lotadas e um registro claro do motivo da escolha de cada teste.

Os médicos permanecem no controle, revisando as sugestões, interpretando os resultados intermediários e aplicando o julgamento clínico ao longo de todo o processo. O método depende de simuladores capazes de imaginar resultados plausíveis. Modelos mais fracos expõem essa fragilidade quando geram valores que nenhum paciente teria ou colapsam em uma única resposta repetida. A avaliação incluiu um conjunto amplo de casos no estilo OSCE, com variabilidade clínica, mas cada tarefa é estruturada como uma decisão diagnóstica binária.

O quadro foi aplicado a doenças distintas, e não dentro de um único cenário multirótulo, e a equipe aponta as comorbidades como trabalho futuro. O texto livre de exames de imagem e laudos patológicos ainda está fora do seu alcance. Ainda assim, a direção aponta para uma medicina em que máquinas ajudam a escolher o próximo passo, enquanto os médicos mantêm o julgamento final.