AegisDx: framework de IA para diagnóstico seguro supera o GPT-5 na avaliação de médicos

Uma equipe de pesquisa publicou no arXiv, em julho de 2026, a descrição do AegisDx, um framework para diagnóstico diferencial seguro baseado em grandes modelos de linguagem. Em um teste cego com 43 prontuários reais do pronto-socorro do Yale New Haven Health System, os médicos deram ao AegisDx nota média de segurança de 4.55 em 5, contra 4.31 do GPT-5. A diferença é estatisticamente significativa (p ajustado = 2.1×10⁻⁴).

Por que um LLM comum não basta para um diagnóstico seguro

Erros de diagnóstico continuam entre as principais ameaças à segurança do paciente. Os sistemas atuais baseados em LLM costumam tratar o diagnóstico como uma tarefa de «uma única consulta»: o médico descreve os sintomas e o modelo apresenta uma hipótese. Essa abordagem não protege contra a omissão de condições com risco de vida e não verifica o próprio raciocínio.

O AegisDx funciona de forma bem diferente. Os autores descrevem a abordagem como raciocínio clínico hipotético-dedutivo: o sistema primeiro gera uma lista ampla de hipóteses e depois a restringe passo a passo, checando cada etapa contra a base de evidências médicas. Os elementos-chave da arquitetura:

• Contratos de função: cada componente LLM responde estritamente pela sua tarefa
• Saídas intermediárias estruturadas: cada etapa do raciocínio é registrada de forma explícita
• Interfaces de busca de evidências: as hipóteses são confrontadas com a literatura médica em tempo real
• Portões de verificação: o diagnóstico final passa por checagem antes de ser entregue
• Triagem obrigatória must-not-miss: infarto, TEP, dissecção da aorta e meningite. O sistema é obrigado a checá-los explicitamente, então não há como pulá-los por acidente

O que mostraram os três níveis de testes

Os autores compararam o AegisDx com o GPT-oss-120B usado diretamente, sem restrições adicionais. Para cada grupo de casos, a métrica principal foi a acurácia Top-3: o diagnóstico correto aparecer entre as três melhores hipóteses, o que corresponde à prática clínica real.

• Casos do JAMA: acurácia Top-3 de 59.9% contra 52.1%
• Casos do NEJM: acurácia Top-3 de 62.7% contra 51.4%
• Annals of Emergency Medicine: 85.7% contra 68.6%
• Diagnósticos críticos must-not-miss: o AegisDx incluiu pelo menos uma dessas condições no top 3 em 78.0% dos casos, contra 52.0% do LLM isolado

O teste mais rigoroso foi o cego com médicos clínicos: 43 registros reais do pronto-socorro foram comparados às cegas com as conclusões do GPT-5. Os participantes avaliaram o AegisDx melhor no índice composto de segurança: 4.55 contra 4.31 em uma escala de cinco pontos. Qualitativamente, apontaram melhora na identificação de diagnósticos com risco de vida e raciocínio mais transparente.

O que isso significa

O ganho obtido com um framework estruturado ficou comparável ao de escalar diretamente o modelo, e os autores veem isso como a principal conclusão. Projetar sistemas de IA diagnóstica como pipelines de raciocínio seguros pode ser mais produtivo do que perseguir a precisão preditiva bruta, sobretudo na medicina de emergência, onde um erro de diagnóstico pode custar uma vida. O AegisDx é posicionado não como substituto do médico, mas como uma ferramenta transparente de apoio à decisão à beira do leito.

Perguntas frequentes

Qual modelo de linguagem o AegisDx usa?

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

Com que material clínico os testes foram feitos?

Os casos da literatura vêm do NEJM, do JAMA e do Annals of Emergency Medicine. O teste cego com médicos usou 43 prontuários reais do pronto-socorro do Yale New Haven Health System.