Uso de exames
A IA pede o exame que o Choosing Wisely mandou não pedir
Seis modelos de IA diante de 15 recomendações contra exame desnecessário: o excesso foi raro no geral, mas chegou a 42,8% no nódulo de tireoide incidental.
Por Rosa · · 3 min de leitura
Diante de um nódulo de tireoide achado por acaso, menor que 1 cm, quase metade das respostas de modelos comerciais de IA pediu ultrassom, justamente o exame que o Choosing Wisely recomenda não pedir. É o achado central de um estudo publicado em 20 de outubro no Annals of Internal Medicine.
O que fizeram
Os pesquisadores montaram 225 cenários clínicos a partir de 15 recomendações do Choosing Wisely, a campanha das sociedades médicas contra exames e tratamentos de pouco valor. Seis modelos comerciais de IA responderam a cada cenário, num total de 4.050 respostas.
Cada resposta foi classificada como adequada, como excesso (indicou o que não devia) ou como omissão (deixou de indicar o que era devido).
Os números
No geral, o excesso apareceu em 5,4% das respostas, e em 8 das 15 recomendações não houve nenhum. O erro se concentrou em dois temas: ultrassom para nódulo de tireoide incidental menor que 1 cm, em 42,8% das respostas, e eletrocardiograma de rotina em adulto de baixo risco, em 28,3%.
O erro oposto foi raro: a omissão ficou em 0,6% e foi maior no PSA (3,3%).
O que muda na prática
Os temas em que a IA mais errou são os mesmos em que a prática clínica costuma pedir demais. O modelo aprende com o que está escrito, e o que está escrito reflete o hábito. Vale desconfiar da sugestão de exame justamente onde o médico já desconfia de si: achado incidental e rastreamento de rotina.
Os limites
Cada cenário foi uma pergunta única, sem a conversa e o contexto do atendimento real. Quem classificou as respostas foi um modelo de IA, com revisão médica. E o estudo é uma fotografia: os modelos mudam a cada versão.
E a Rosa?
A Rosa não foi um dos sistemas testados. Ela combina vários modelos de IA integrados, um escreve e outro confere, e mostra a diretriz por trás de cada recomendação, para o médico conferir antes de pedir o exame.
Testamos a Rosa no NOHARM, um teste aberto que mede dano em recomendações médicas. Nos casos públicos, com o juiz oficial do teste, ela ficou no nível dos melhores modelos de IA de fronteira.
Referência: Ariel et al. Overuse and False Restraint in Large Language Model Recommendations for Choosing Wisely Scenarios. Annals of Internal Medicine, 20 de outubro de 2026.