A investigação da Microsoft AI em diagnóstico médico passou pelo crivo da revisão por pares. Um artigo publicado a 22 de outubro na Science descreve o MAI-DxO, o Diagnostic Orchestrator da empresa, e conclui que, em casos retrospetivos, chegou ao diagnóstico certo muito mais vezes do que os médicos de clínica geral. Mustafa Suleyman, diretor executivo da Microsoft AI, apresentou o resultado como um passo rumo àquilo a que a empresa chama superinteligência médica, embora admita que o sistema ainda precisa de validação clínica.
O MAI-DxO não é um modelo único. Coordena vários agentes de IA que funcionam como um pequeno painel de clínicos: fazem perguntas ao doente simulado, escolhem os exames, discutem hipóteses e fecham um diagnóstico. O estudo mede a precisão e também o custo estimado dos exames pedidos. Para isso, a Microsoft criou o seu próprio teste, o SDBench, com casos publicados no The New England Journal of Medicine e admissões de urgência de uma grande base de dados do Beth Israel Deaconess Medical Center, em Boston; segundo o The Verge, a empresa tenciona disponibilizá-lo em código aberto.
Nos casos complexos do NEJM, o sistema acertou em cerca de 83% das vezes. Médicos de medicina geral e internistas, a trabalhar sozinhos, ficaram nos 36% com material de consulta e nos 22% sem ele. Nos casos de urgência, o MAI-DxO chegou aos 80%, contra uma média de cerca de 47% dos médicos, e, segundo a Microsoft, com menos exames e mais baratos. O TechCrunch sublinha uma limitação importante: casos tão difíceis costumam ser tratados por especialistas ou equipas, que não entraram na comparação.
O artigo mostra também o peso do modelo de base. A configuração publicada corria sobre o GPT-5 da OpenAI, e a Microsoft testou modelos da OpenAI, da Google, da Anthropic, da Meta e da DeepSeek. Pelos números citados pelo TechCrunch, o GPT-5 com um prompt simples já atingia 78,9% nos casos complexos, com um custo estimado de cerca de 8400 dólares por caso; o orquestrador baixou esse custo em cerca de 3000 dólares e acrescentou uns quatro pontos de precisão. Com o GPT-5.5, a precisão nos casos complexos subiu de 72% para quase 87%, mas nas urgências o ganho foi mínimo, com ambas as versões perto dos 85%. Os modelos mais fracos foram os mais beneficiados: o Gemini 2.5 Flash passou de 46,4% para quase 69%.
O passo seguinte sai dos arquivos e chega aos doentes. Numa nova parceria com o Beth Israel Deaconess, a Microsoft vai realizar um estudo prospetivo em que os doentes interagem diretamente com o sistema e as conclusões deste são comparadas com as avaliações independentes dos médicos, em vários contextos hospitalares. Suleyman disse ainda ao TechCrunch que a Microsoft trabalha com a Mayo Clinic num modelo de base para a saúde, com lançamento previsto para o próximo ano.
Para clínicos e gestores hospitalares, o artigo oferece uma forma estruturada de encarar a IA como segunda opinião diagnóstica, avaliada pelo custo e não apenas pelo acerto. Para quem desenvolve IA, é um indício de que a orquestração de agentes acrescenta valor em problemas de raciocínio difíceis, ainda que o ganho diminua à medida que os modelos de base melhoram.
Os números vêm com várias ressalvas. Todos os autores são funcionários da Microsoft, o teste é da própria empresa, a comparação deixa de fora os especialistas e todos os casos são históricos. O artigo não abrange os modelos de fronteira mais recentes. Até o ensaio prospetivo apresentar resultados, o desempenho clínico real continua por demonstrar.