O avanço da genômica transformou a investigação de doenças raras nas últimas duas décadas. Ainda assim, uma parcela significativa dos pacientes continua sem diagnóstico definitivo mesmo após exames sofisticados, incluindo sequenciamento de exoma e genoma completo. Agora, um estudo conduzido por pesquisadores do Boston Children’s Hospital, da Harvard Medical School e da OpenAI sugere que modelos avançados de inteligência artificial podem contribuir para reduzir esse desafio.
Publicada na revista NEJM AI, a pesquisa demonstrou que um modelo de raciocínio baseado em inteligência artificial foi capaz de gerar novas hipóteses diagnósticas em casos pediátricos previamente considerados não solucionados, oferecendo uma abordagem complementar ao trabalho realizado por geneticistas e especialistas em doenças raras.
Reanálise de casos sem diagnóstico
A investigação envolveu 376 casos pediátricos que permaneceram sem diagnóstico mesmo após extensas análises clínicas e genômicas conduzidas por equipes especializadas.
Os pesquisadores utilizaram um modelo de IA da OpenAI para revisar informações clínicas anonimizadas, dados fenotípicos estruturados e variantes genéticas previamente identificadas. O objetivo não era substituir a interpretação médica, mas atuar como uma camada adicional de raciocínio capaz de integrar evidências dispersas na literatura científica, em bancos de dados genéticos e nos registros clínicos dos pacientes.
Como resultado, o sistema gerou pistas consideradas clinicamente relevantes que culminaram na confirmação de 18 novos diagnósticos. O ganho diagnóstico adicional foi de aproximadamente 4,8% em uma população que já havia sido submetida a avaliações altamente especializadas.
Além da priorização de variantes
Tradicionalmente, ferramentas computacionais empregadas na genética clínica concentram-se na priorização de genes ou variantes potencialmente patogênicas. O diferencial da estratégia avaliada no estudo foi sua capacidade de construir cadeias de raciocínio explícitas.
Em vez de simplesmente indicar um gene candidato, o modelo relacionou características clínicas do paciente, padrões de herança genética, evidências funcionais das variantes e informações extraídas da literatura biomédica recente. Esse processo produziu justificativas estruturadas que puderam ser analisadas e validadas pelos especialistas responsáveis pelos casos.
Segundo os autores, a proposta é ampliar a eficiência do processo diagnóstico em situações particularmente complexas, nas quais o volume de informações disponíveis ultrapassa a capacidade prática de revisão manual.
O desafio da jornada diagnóstica nas doenças raras
Estima-se que existam mais de 7 mil doenças raras descritas, a maioria delas de origem genética. Apesar da expansão do acesso ao sequenciamento genômico, muitos pacientes enfrentam anos de consultas, exames e encaminhamentos antes de receberem um diagnóstico definitivo.
Esse fenômeno, frequentemente denominado “odisseia diagnóstica”, representa um dos principais desafios da medicina de precisão. Além dos impactos clínicos, a ausência de diagnóstico dificulta o acesso a terapias específicas, aconselhamento genético e planejamento adequado do cuidado.
Os resultados observados neste estudo reforçam uma tendência crescente na medicina baseada em dados: a utilização de modelos de inteligência artificial como ferramentas de suporte à tomada de decisão clínica, especialmente em cenários caracterizados por alta complexidade e grande volume de informações.
IA como apoio à decisão médica
Os autores destacam que o sistema não realizou diagnósticos de forma autônoma. Todas as hipóteses geradas foram submetidas à avaliação humana, seguidas por exames complementares e validação clínica antes da confirmação dos resultados.
Esse modelo colaborativo tem sido apontado por especialistas como uma das aplicações mais promissoras da inteligência artificial na saúde. Em vez de substituir profissionais, a tecnologia atua como um mecanismo de ampliação da capacidade analítica das equipes médicas, permitindo a revisão sistemática de evidências que poderiam passar despercebidas em avaliações convencionais.
À medida que os bancos de dados genômicos crescem e a literatura científica se expande em ritmo acelerado, ferramentas capazes de conectar informações clínicas e moleculares de forma contextualizada tendem a ganhar relevância nos fluxos de diagnóstico de precisão.
O estudo sugere que modelos de raciocínio baseados em IA poderão desempenhar um papel importante na reinterpretação periódica de casos sem solução, contribuindo para encurtar a jornada diagnóstica de pacientes com doenças raras e potencializando o aproveitamento clínico dos dados genômicos já disponíveis.
Referência científica
Brownstein CA, Muzzey D, Macklin EA, et al. Application of a General-Purpose AI Reasoning Model to Genetic Disease Diagnosis. NEJM AI. 2026. Publicado em 18 de junho de 2026. DOI a ser disponibilizado pela publicação oficial.
