IA da OpenAI Ajuda Hospital de Boston a Diagnosticar 18 Crianças com Doenças Raras
Boston, EUA – Em um avanço significativo para a medicina pediátrica, um modelo de inteligência artificial desenvolvido pela OpenAI auxiliou o Boston Children’s Hospital, em colaboração com a Universidade de Harvard, a diagnosticar 18 crianças com doenças raras que haviam permanecido sem solução por anos. O estudo, publicado em 18 de junho de 2026 na revista NEJM AI, destaca o potencial da IA como uma ferramenta de apoio crucial para especialistas na identificação de condições genéticas complexas.
As 18 novas confirmações diagnósticas surgiram da reanálise de 376 casos pediátricos previamente sem diagnóstico, que já haviam passado por extensas avaliações genéticas e clínicas por equipes multidisciplinares. Este resultado representa um rendimento diagnóstico adicional de 4,8% em casos considerados os mais desafiadores.
A Colaboração Entre Boston Children’s Hospital e OpenAI
A iniciativa pioneira envolveu a aplicação do modelo ‘o3 Deep Research’ da OpenAI. Pesquisadores do Boston Children’s Hospital e da Harvard University utilizaram a IA para analisar dados clínicos e genômicos desidentificados dos pacientes. O objetivo não era que a IA fizesse um diagnóstico autônomo, mas sim que gerasse hipóteses baseadas em evidências para que os especialistas humanos pudessem revisar e confirmar.
A Dra. Catherine Brownstein, diretora científica do Centro Manton para Pesquisa de Doenças Órfãs do Boston Children’s Hospital, descreveu o feito como um “divisor de águas”. Ela enfatizou que, embora o rendimento percentual possa parecer modesto, cada diagnóstico representa uma resposta e esperança para famílias que enfrentavam anos de incerteza.
Veja também:
Metodologia e Tipos de Doenças Diagnosticadas
O processo envolveu a alimentação do modelo de IA com pacotes de dados desidentificados, que incluíam termos da Ontologia de Fenótipos Humanos (HPO) para descrever a apresentação clínica dos pacientes, notas clínicas e tabelas de variantes genéticas filtradas. A IA foi capaz de sintetizar informações de vastos volumes de dados genômicos e literatura médica, identificando padrões e associações que poderiam ter escapado à análise humana.
Entre os 18 diagnósticos confirmados, destacam-se:
- 10 casos de condições neurodesenvolvimentais.
- 4 casos de distúrbios neuromusculares.
- 2 casos de psicose precoce.
- 2 casos de mortes pediátricas súbitas e inesperadas.
Um exemplo notável foi o de uma paciente, Kyra Benton, que passou mais de uma década buscando um diagnóstico. A análise assistida por IA revelou que ela tinha miopatia miofibrilar, uma doença genética progressiva, trazendo alívio e um caminho para tratamento.
O Papel da IA no Diagnóstico Médico em 2026
Este estudo reforça a crescente integração da inteligência artificial na medicina, especialmente em 2026, onde a tecnologia tem se consolidado como um apoio essencial à decisão clínica. A IA auxilia na interpretação de exames, organização de informações e identificação de padrões em cenários complexos, mas a decisão final e a responsabilidade clínica permanecem com o médico.
O diagnóstico de doenças raras, em particular, é um campo onde a IA demonstra grande potencial. Historicamente, leva em média cerca de cinco anos para identificar doenças genéticas raras em crianças, com muitas famílias passando por uma “odisseia diagnóstica” entre múltiplos especialistas. A capacidade da IA de processar rapidamente grandes volumes de dados e correlacionar informações de diversas fontes acelera esse processo, reduzindo o tempo e o custo da reanálise de casos.
Desdobramentos e Perspectivas Futuras
Os pesquisadores da OpenAI e do Boston Children’s Hospital sugerem que estudos futuros, prospectivos e multicêntricos, comparem a reanálise assistida por modelos de linguagem de grande porte (LLMs) com as práticas padrão, avaliando o rendimento diagnóstico, o tempo para um candidato a diagnóstico, o esforço clínico, a carga de falsos positivos, o custo e os efeitos no cuidado.
Apesar dos avanços, desafios como a padronização de dados, a interpretabilidade dos modelos de IA, a integração nos fluxos de trabalho clínico e o risco de vieses algorítmicos persistem. A regulamentação específica, como a Resolução CFM nº 2.454/2026 no Brasil, enfatiza que a IA é uma ferramenta de apoio e que a decisão clínica é sempre do profissional, garantindo a privacidade e segurança dos dados dos pacientes.
A expectativa é que a IA continue a transformar a medicina, tornando os diagnósticos mais precisos e personalizados, especialmente para condições que antes desafiavam a expertise humana, e possibilitando que a reanálise de casos se torne mais escalável à medida que o conhecimento científico evolui.