Por Pesach Benson • 25 de outubro de 2026

Jerusalém, 25 de outubro de 2026 (TPS-IL) — Modelos de inteligência artificial podem recomendar exames médicos desnecessários mesmo quando é improvável que os pacientes se beneficiem deles, com a probabilidade variando drasticamente dependendo do modelo utilizado, segundo um estudo israelense. As diferenças foram maiores nos casos em que os próprios médicos discordavam sobre a conduta adequada.

O estudo, conduzido pelo Clalit Health Services e pela Universidade Ben-Gurion do Negev, avaliou seis modelos de inteligência artificial para determinar se eles conseguiam reconhecer quando uma intervenção médica era injustificada. Os pesquisadores descobriram que os modelos recomendaram exames ou tratamentos desnecessários em 5,4% dos casos em que a intervenção não era indicada, enquanto desaconselharam incorretamente cuidados necessários em 0,6% dos casos em que a intervenção era exigida.

Os achados destacam uma potencial fraqueza no momento em que prestadores de serviços de saúde exploram o uso da inteligência artificial para ajudar a orientar decisões médicas: os modelos podem ter um bom desempenho geral, mas fornecer recomendações nitidamente divergentes quando as evidências médicas ou as diretrizes profissionais são inconclusivas.

Exames desnecessários podem revelar anomalias inofensivas que levam a mais investigações, encaminhamentos e, às vezes, procedimentos invasivos ou cirurgias. Esse acompanhamento posterior pode causar ansiedade, consumir recursos de saúde e expor os pacientes a riscos evitáveis. Ao mesmo tempo, o excesso de cautela em relação a exames pode ser prejudicial se levar à privação de cuidados necessários.

“Os pacientes sentem que mais um exame traz segurança, mas uma ressonância magnética desnecessária da coluna às vezes revela uma hérnia de disco ou um desgaste que também existe em pessoas saudáveis sem dor alguma, e a partir daí o caminho para a ansiedade, exames adicionais e até tratamentos desnecessários pode ser curto”, disse o Dr. Dean Ariel, médico de família no Clalit Health Services e pesquisador de inteligência artificial médica que liderou o estudo.

“Os modelos de linguagem aprenderam medicina a partir de nossos textos, inclusive de nossos hábitos não tão bons, e queríamos verificar se eles também absorveram a capacidade de recuar quando necessário”, acrescentou Ariel. “Na maioria dos casos, eles sabem quando parar, e tropeçam principalmente onde nós, médicos, hesitamos.”

Os pesquisadores desenvolveram cenários médicos com base nas recomendações da iniciativa Choosing Wisely, uma campanha internacional lançada em 2012 para desestimular exames e tratamentos médicos que oferecem pouco ou nenhum benefício. Eles testaram seis modelos de linguagem desenvolvidos por Google, Anthropic e OpenAI e analisaram milhares de respostas.

Os cenários contrastavam situações em que o mesmo exame poderia ser desnecessário ou essencial. Um homem jovem com dor nas costas após carregar móveis, por exemplo, geralmente não precisa de exames de imagem imediatos. Por outro lado, uma mulher com histórico de câncer de mama que desenvolve uma nova dor nas costas que piora à noite pode precisar de exames de imagem para investigar um problema potencialmente grave.

Quando os médicos discordam

Os modelos tiveram mais dificuldade com dois tipos de recomendações. Eles sugeriram ultrassonografias desnecessárias de tireoide para nódulos pequenos em 42,8% das respostas e eletrocardiogramas de rotina, que registram a atividade elétrica do coração, em 28,3% das respostas envolvendo pacientes de baixo risco.

Esses achados destacam a dificuldade de determinar quando um exame é justificado. As organizações médicas divergem em suas recomendações para a avaliação de alguns nódulos pequenos de tireoide. Da mesma forma, a necessidade de um eletrocardiograma depende dos sintomas e das circunstâncias clínicas do paciente, mesmo quando o risco geral é baixo.

As diferenças entre os modelos foram particularmente marcantes em cenários nos quais os profissionais médicos discordavam sobre a conduta adequada. Um modelo recomendou um exame desnecessário em menos de 10% das respostas, enquanto outro o fez em 80% das respostas para os mesmos cenários. Os achados sugerem que a escolha do modelo de inteligência artificial pode afetar substancialmente a orientação que os pacientes recebem em situações clinicamente incertas.

“Ouvimos a resposta de um modelo de linguagem como uma única voz de autoridade, como se houvesse uma ‘posição da inteligência artificial’”, disse o Dr. Guy Lavan, pesquisador acadêmico sênior no Departamento de Engenharia e Gestão Industrial da Universidade Ben-Gurion.

Lavan também levantou preocupações de que os modelos de linguagem possam alterar suas recomendações quando os usuários insistem em fazer um exame, o que potencialmente enfraquece sua capacidade de fornecer orientações médicas consistentes.

Os pesquisadores afirmaram que os sistemas de inteligência artificial devem ser avaliados não apenas pela sua capacidade de identificar cuidados necessários, mas também pela sua capacidade de reconhecer quando exames ou tratamentos são injustificados. No entanto, como o estudo examinou respostas a cenários médicos hipotéticos, ele não estabelece como os modelos se comportariam ao orientar pacientes reais.

O estudo foi publicado no periódico revisado por pares Annals of Internal Medicine.