AegisDx: framework de AI para diagnóstico seguro superou o GPT-5 na avaliação de médicos

Um grupo de pesquisadores publicou uma descrição de AegisDx no arXiv em julho de 2026 — um framework para diagnóstico diferencial seguro baseado em grandes modelos de linguagem. Em um ensaio cego de 43 registros reais de pacientes do departamento de emergência do Yale New Haven Health System, AegisDx recebeu uma pontuação média de segurança de 4.55 de 5 dos médicos em comparação com 4.31 para GPT-5 — uma diferença estatisticamente significativa (p ajustado = 2.1×10⁻⁴).

Por

Que um LLM Ordinário Não É Suficiente para Diagnóstico Seguro

Erros de diagnóstico continuam sendo uma das principais ameaças à segurança do paciente. Os sistemas LLM modernos geralmente abordam o diagnóstico como uma tarefa de "uma única consulta": um médico descreve sintomas, o modelo fornece uma hipótese. Esta abordagem não tem proteção contra perder condições que ameaçam a vida e não verifica seu próprio raciocínio.

AegisDx é estruturado fundamentalmente de forma diferente. Os autores chamam sua abordagem de raciocínio clínico hipotético-dedutivo: o sistema primeiro gera uma ampla lista de hipóteses, depois a reduz sucessivamente, verificando cada etapa contra a base de evidências médicas. Elementos principais da arquitetura:

• Contratos de papéis: cada componente LLM é estritamente responsável por sua tarefa
• Conclusões intermediárias estruturadas: cada passo do raciocínio é registrado explicitamente
• Interfaces de busca de evidências: as hipóteses são verificadas contra a literatura médica em tempo real
• Portões de verificação: o diagnóstico final é verificado antes da saída
• Triagem obrigatória must-not-miss: infarto do miocárdio, tromboembolismo pulmonar, dissecção aórtica, meningite — o sistema deve verificar explicitamente, impossível omitir acidentalmente

O Que Três Níveis de Testes Mostraram

Os autores compararam AegisDx com GPT-oss-120B utilizado diretamente sem restrições adicionais. Para cada grupo de casos, a métrica principal foi a precisão Top-3 — o diagnóstico correto nas três primeiras previsões, correspondendo à prática clínica real.

• Casos JAMA: precisão Top-3 59.9% versus 52.1%
• Casos NEJM: precisão Top-3 62.7% versus 51.4%
• Annals of Emergency Medicine: 85.7% versus 68.6%
• Diagnósticos críticos must-not-miss: AegisDx incluiu pelo menos uma condição dessas no top-3 em 78.0% dos casos versus 52.0% para LLM independente

Mais rigoroso foi o teste cego com médicos clínicos praticantes: 43 registros reais do departamento de emergência foram comparados cegamente com conclusões de GPT-5. Os participantes classificaram AegisDx mais alto em uma medida agregada de segurança — 4.55 versus 4.31 em uma escala de cinco pontos. Qualitativamente, observaram melhora na identificação de diagnósticos que ameaçam a vida e maior transparência no raciocínio.

O Que Isso Significa

O ganho do framework estruturado provou ser comparável ao dimensionamento direto do modelo — e os autores consideram este o principal resultado. A engenharia de sistemas de IA diagnóstica como pipelines de raciocínio seguro pode ser mais produtiva do que perseguir precisão preditiva bruta — especialmente em medicina de emergência, onde erro de diagnóstico custa vidas. AegisDx é posicionado não como substituto de médicos, mas como ferramenta transparente de suporte à decisão na beira do leito.

Perguntas Frequentes

Qual Modelo de Linguagem AegisDx Usa?

Nos experimentos, os autores usaram GPT-oss-120B como o modelo base para todos os componentes. A arquitetura do framework não está vinculada a nenhum LLM específico e foi projetada como universal.

Que Material Clínico Foi Usado para Testes?

Os casos da literatura foram retirados de NEJM, JAMA e Annals of Emergency Medicine. O ensaio cego com médicos foi realizado em 43 registros reais de pacientes do departamento de emergência do Yale New Haven Health System.