Publicado em 23/02/2026 - 10:14 / Clipado em 24/02/2026 - 10:14
Inteligência artificial supera equipes humanas na análise de dados médicos
Pesquisa mostra que ferramentas de IA completaram em meses tarefas que especialistas levaram anos para concluir e abriram caminho para uma nova era na pesquisa em saúde
Por Diogo Rodriguez
No universo da pesquisa médica, tempo é um recurso escasso. Montar equipes especializadas, construir modelos de análise, depurar códigos e interpretar resultados pode consumir meses — ou anos. Um estudo recente da Universidade da Califórnia em São Francisco (UCSF), publicado em fevereiro de 2026 na revista Cell Reports Medicine, sugere que a inteligência artificial generativa pode mudar essa equação de forma significativa.
Os pesquisadores submeteram oito sistemas de IA a tarefas idênticas às realizadas anteriormente por equipes humanas especializadas. O resultado: metade das ferramentas testadas produziu modelos de análise comparáveis aos dos especialistas e, em alguns casos, com desempenho superior. O trabalho completo, do início à submissão do artigo, levou apenas seis meses. As equipes humanas, trabalhando com os mesmos dados, haviam levado quase dois anos para consolidar e publicar seus achados.
O ponto de partida foi um desafio científico global chamado DREAM (Dialogue on Reverse Engineering Assessment and Methods), que reuniu mais de 100 equipes ao redor do mundo para desenvolver modelos preditivos de parto prematuro. O foco era analisar dados do microbioma vaginal de cerca de 1.200 mulheres grávidas, coletados em nove estudos separados, explica um comunicado da universidade.
Parto prematuro é a principal causa de morte neonatal nos Estados Unidos, onde cerca de mil bebês nascem prematuramente todos os dias. Melhorar os modelos preditivos dessa condição pode transformar a qualidade do atendimento obstétrico e é por isso que a velocidade de análise importa tanto.
Após a conclusão do desafio original, a equipe da UCSF se uniu a pesquisadores da Wayne State University para testar se sistemas de IA generativa conseguiriam reproduzir ou superar o trabalho feito pelas equipes humanas, sem que os modelos recebessem código humano pronto. Os sistemas foram instruídos apenas por meio de comandos em linguagem natural, os chamados prompts.
Estudante do ensino médio, IA e resultado científico
Um dos episódios mais reveladores do estudo envolveu uma dupla improvável: um estudante de mestrado da UCSF e um estudante do ensino médio. Com suporte de IA, os dois desenvolveram modelos preditivos funcionais em tempo recorde. O sistema gerou o código de análise em minutos, uma tarefa que, para programadores experientes, costuma levar horas ou até dias.
Graças a essa agilidade, os dois jovens pesquisadores conseguiram concluir os experimentos, verificar os resultados e submeter um artigo científico em poucos meses.
O episódio ilustra uma das principais apostas do estudo: a IA pode democratizar o acesso à pesquisa científica de ponta, permitindo que pesquisadores com menos experiência técnica em programação contribuam de forma mais autônoma.
Os resultados, porém, não foram uniformes. Dos oito sistemas testados, apenas quatro produziram código utilizável. Os outros quatro falharam na tarefa. Isso indica que, apesar do potencial, nem toda ferramenta de IA generativa está à altura de desafios analíticos complexos e que a escolha da plataforma e a qualidade dos prompts fazem diferença significativa nos resultados.
Os próprios autores reforçam que a supervisão humana continua indispensável. Os sistemas podem gerar resultados enganosos, e a capacidade de interpretar os achados e formular as perguntas certas ainda depende do conhecimento especializado dos pesquisadores.
"Graças à IA generativa, pesquisadores com formação limitada em ciência de dados não precisarão sempre formar grandes colaborações ou passar horas depurando código", disse Adi L. Tarca, co-autor sênior do estudo e professor da Wayne State University. "Eles podem se concentrar em responder às perguntas biomédicas certas."
Para Marina Sirota, professora de Pediatria e diretora interina do Bakar Computational Health Sciences Institute da UCSF, o valor da descoberta está menos nos números e mais no que ela representa para o fluxo de trabalho científico. "Essas ferramentas de IA poderiam aliviar um dos maiores gargalos na ciência de dados: a construção de pipelines de análise", afirmou Sirota. "A aceleração não poderia chegar em melhor momento para pacientes que precisam de ajuda agora."
Veículo: Online -> Site -> Site Época Negócios