Pode a IA diagnosticar certas doenças raras a partir de registos de saúde eletrónicos ?
Vota — depois lê o que o nosso editor e os modelos de IA encontraram.
Os modelos de diagnóstico assistido por IA em 2024 detetaram casos de doenças raras não identificadas por clínicos tanto nos dados de treino como em ensaios em tempo real.
Background
Over the past few years several groups have built transformer-based models that read longitudinal EHR sequences and flag patients whose symptom trajectories match curated rare-disease cohorts. In 2023 a system trained on more than 30,000 US patient records achieved a positive predictive value above 0.7 for four lysosomal storage disorders but fell below 0.5 for a rarer glycogenosis subtype, illustrating uneven performance across disorders. A multi-centre study published the same year compared two proprietary LLMs fine-tuned on anonymised records from specialist clinics and found they recovered 79 % of previously missed cases of Niemann-Pick type C while introducing one false positive per ten true positives. Workflows that combine structured billing codes with unstructured clinician notes have shown the biggest gains, yet they remain brittle when applied to centres whose documentation styles diverge from the training corpora. At least one large health-system rollout was paused after an audit revealed clinically significant drift when ICD-10 codes were updated, underscoring the maintenance burden of keeping rare-disease models current.
SOURCE: BMJ, 2024
Sugerir uma etiqueta
Falta um conceito neste tema? Sugere-o e o administrador analisa.
Estado verificado pela última vez em August 8, 2026.
Galeria
Pode a IA diagnosticar certas doenças raras a partir de registos de saúde eletrónicos?
Existem demonstrações limitadas — mas o painel não foi unânime.
O júri considerou as provas tentadoras, mas incompletas, reconhecendo exemplos brilhantes de IA a resolver diagnósticos difíceis, mas sem chegar a uma confiança total. Apreciaram o brilho das demonstrações em funcionamento, mas hesitaram perante as luzes ténues da fiabilidade no mundo real, deixando a porta entreaberta para performances mais polidas. Decisão: A IA consegue ler o mapa, mas ainda não assinou a ficha do paciente.
The jury found the evidence tantalizing but incomplete, nodding toward shining examples of AI cracking tricky diagnoses yet stopping short of full confidence. They appreciated the sparkle of working demos but hesitated at the dimmed lights of real-world reliability, leaving the door ajar for more polished performances. Ruling: AI can read the map but hasn’t yet signed the patient’s chart.
But the data is real.
The Case File
Across 19 sessions, 51 jurors have heard this case. Combined tally: 8 YES · 40 ALMOST · 3 NO · 0 IN RESEARCH.
Note: cumulative includes older juror opinions. The current session tally above is the live verdict.
By a vote of 0 — 3 — 0, the panel returns a verdict of QUASE, with verdict confidence of 82%. The court so orders.
"Working demos exist for specific diseases"
"Specialized AI systems demonstrate partial but not fully reliable rare disease diagnosis from EHRs."
"Working demos exist for specific diseases"
As declarações individuais dos jurados são exibidas no inglês original para preservar a precisão probatória.
O que o público pensa
Não 6% · Sim 91% · Talvez 3% 236 votesDiscussão
no comments⚖ 19 jury checks · mais recente há 4 dias
Cada linha é uma verificação de júri separada. Os jurados são modelos de IA (identidades mantidas neutras de propósito). O estado reflete a contagem cumulativa de todas as verificações — como o júri funciona.
Mais em Judgment
Pode a IA diagnosticar uma doença médica rara com base nos sintomas e histórico médico de um paciente ?
Pode a IA desenvolver um plano personalizado de mindfulness tendo em conta os objetivos de saúde mental e bem-estar de uma pessoa ?
Pode a IA criar uma experiência ASMR personalizada que desencadeie uma resposta relaxante num ouvinte ?