A IA de diagnóstico conversacional do Google, o AMIE, ganhou os primeiros resultados de um estudo prospectivo em um ambulatório real. O artigo foi publicado em 8 de outubro na edição principal da The Lancet; segundo o Google, é a primeira vez que a empresa publica na revista principal. O CEO da DeepMind, Demis Hassabis, parabenizou publicamente nas redes sociais logo depois.
O estudo foi realizado no ambulatório de atenção primária de urgência do Beth Israel Deaconess Medical Center (BIDMC), em Boston, nos Estados Unidos. As inscrições ocorreram de abril a novembro de 2025, com registro prévio no ClinicalTrials.gov e execução conforme protocolo aprovado pelo comitê de ética. Os pacientes foram informados de que participar ou não não afetaria o atendimento seguinte.
Como foi feito
O fluxo foi este: antes de ver o médico, o paciente conversava por texto com o AMIE, que coletava o histórico clínico e o organizava em um resumo. Cada conversa tinha um médico acompanhando em tempo real, e o estudo definiu com antecedência os critérios de segurança que obrigariam a interrompê-la. Oito semanas depois, os pesquisadores revisaram os prontuários para confirmar o diagnóstico final e o compararam com a avaliação que o AMIE havia feito na ocasião.
Os principais números:
- 114 pessoas inscritas, 98 concluíram a conversa;
- Nenhuma conversa acionou interrupção por segurança;
- Os médicos supervisores registraram 1 alucinação e, em outras 5 conversas, complementaram informações clínicas;
- Em 90% dos casos o diagnóstico final constava da lista de diagnósticos diferenciais do AMIE e, em 75%, estava entre os três primeiros.
Também houve retorno do lado dos médicos. Dos 98 casos, os médicos de atenção primária preencheram o questionário em 60; em 44 deles tinham lido o registro da conversa com o AMIE antes da consulta, e em 33 consideraram que ele ajudou a preparar o atendimento.
Olhando para o denominador
Em uma amostra pequena, esses números precisam ser lidos de outra forma. Os denominadores de 90% e 75% são de menos de 100 pacientes; no item em que os médicos consideraram a ferramenta “útil”, a conta aproximada dá apenas 44 casos, 33 dividido por 44 é exatamente 75%, e um caso a mais ou a menos muda a proporção em mais de dois pontos percentuais.
O mesmo vale para as zero interrupções. Em 98 conversas sem incidentes, estimando pela “regra dos três” (rule of three, 3 dividido pelo tamanho da amostra), comum em estatística, só se pode dizer, em linhas gerais, que a taxa de eventos graves de segurança fica abaixo de cerca de 3%; níveis de risco mais baixos não podem ser descartados com esse número de casos. Os próprios pesquisadores descrevem o trabalho como um estudo de viabilidade, sem grupo de controle.
Outro conjunto de números é menos favorável ao AMIE. O estudo colocou lado a lado, em avaliação cega, os planos de conduta propostos pelo AMIE e os dos médicos de atenção primária; nos dois critérios, se o plano é prático e se compensa financeiramente, o AMIE perdeu para os médicos. Listar as doenças possíveis e decidir o próximo passo do tratamento são tarefas de níveis de dificuldade diferentes.
Limitações e próximos passos
As limitações listadas no artigo incluem: um único centro, interação apenas por texto, cerca de cem pacientes e ausência de grupo de controle. A posição do Google é que a IA voltada ao paciente precisa de avaliação em larga escala, o que exige ensaios clínicos maiores.
O preprint do estudo já estava no arXiv desde 9 de março deste ano, e o Google também havia publicado uma apresentação detalhada em 11 de março; o novo marco desta vez é a revisão por pares e a publicação formal. De 2024, quando o AMIE foi comparado a médicos em consultas simuladas, até agora, com a entrada em um ambulatório real, o Google segue a ordem de primeiro simular, depois fazer um estudo pequeno com pessoas reais e, por fim, um grande ensaio. Quando e onde o terceiro passo começará, a empresa ainda não divulgou.
Fontes: The Lancet, blog de pesquisa do Google, CocoLoop, Beth Israel Deaconess Medical Center; o resumo do artigo e o comunicado do hospital foram usados para verificar o número de inscritos, de conversas concluídas, de eventos de segurança e o critério de acerto diagnóstico.