Um sistema agente para diagnóstico de doenças raras com raciocínio rastreável

Por que encontrar doenças raras mais rápido importa

Para famílias que vivem com doenças raras, obter um nome para a condição pode levar anos de consultas, opiniões conflitantes e becos sem saída. Essa longa “odisséia diagnóstica” atrasa o tratamento, consome economias e deixa os pacientes em limbo. Este estudo apresenta o DeepRare, um sistema de inteligência artificial projetado para atuar como um colega digital dos médicos. O objetivo é identificar doenças raras mais cedo e explicar seu raciocínio de maneira que os clínicos possam verificar e confiar.

Um novo tipo de assistente digital para médicos

O DeepRare foi construído para trabalhar do modo como clínicas reais operam. Ele consegue ler anotações clínicas em texto livre, listas estruturadas de sintomas e resultados de testes genéticos modernos, e então converter tudo isso em uma lista ranqueada de possíveis doenças raras. Ao contrário de muitas ferramentas existentes que simplesmente retornam uma lista de nomes, o DeepRare produz uma cadeia de raciocínio passo a passo que conecta cada sugestão a artigos médicos, bancos de dados de especialistas e casos semelhantes do passado. Isso significa que o clínico pode ver não apenas o que o sistema recomenda, mas por quê.

Como o sistema pensa sobre um caso

Por trás das cortinas, o DeepRare é organizado como um sistema “multiagente”. No centro há um poderoso modelo de linguagem que atua como coordenador, decidindo o que fazer a seguir à medida que novas informações chegam. Ao seu redor estão módulos auxiliares especializados: alguns limpam e padronizam sintomas, outros pesquisam a literatura médica e bancos de casos de doenças raras, e outros interpretam longas listas de variantes genéticas. Para cada paciente, o DeepRare alterna entre coletar evidências, propor diagnósticos e então reavaliar suas próprias ideias. Se encontra problemas com uma explicação candidata, ele retorna para buscar evidências melhores em vez de avançar com um palpite frágil.

Testando o DeepRare no mundo real

Os pesquisadores testaram o DeepRare em 6.401 casos de pacientes retirados de nove fontes diferentes, incluindo grandes conjuntos de dados públicos, relatos de casos online e quatro hospitais importantes na Europa, América do Norte e China. Juntos, esses casos cobriram 2.919 doenças raras distintas em 14 sistemas orgânicos, desde transtornos cerebrais até condições renais. Usando apenas descrições estruturadas de sintomas, o DeepRare colocou corretamente a doença verdadeira na primeira posição em cerca de 57% dos casos — mais de 20 pontos percentuais acima do segundo melhor método e bem acima de ferramentas amplamente usadas, como PhenoBrain e PubCaseFinder. Quando resultados de sequenciamento genético também estavam disponíveis, a acurácia no primeiro lugar do DeepRare subiu para cerca de 69%, superando uma ferramenta genética líder chamada Exomiser em duas coortes hospitalares independentes.

Comparando a IA com especialistas humanos

Para verificar se o desempenho do DeepRare se manteria frente a especialistas humanos, a equipe realizou uma comparação direta usando 163 casos difíceis de um hospital infantil. Cinco médicos com mais de uma década de experiência em doenças raras foram convidados a sugerir até cinco diagnósticos possíveis por caso, usando motores de busca, mas sem IA. O DeepRare recebeu as mesmas informações de sintomas. O sistema não apenas igualou os clínicos quando permitido cinco palpites, como de fato superou a acurácia deles na única primeira previsão. Outro grupo de dez médicos especialistas em doenças raras examinou as cadeias de raciocínio da IA para 180 casos e julgou mais de 95% das evidências citadas como precisas e relevantes, sugerindo que suas explicações são clinicamente confiáveis e não meras “histórias” geradas por IA.

Por que o raciocínio rastreável muda o jogo

Além da acurácia bruta, os autores argumentam que o DeepRare poderia remodelar a forma como doenças raras são investigadas. Como o sistema vincula cada passo do seu raciocínio a fontes médicas e pacientes semelhantes, ele pode reduzir drasticamente o tempo que um clínico gasta vasculhando a literatura ou pesquisando bancos de casos. Seu desempenho sólido em muitos sistemas orgânicos significa que poderia ajudar médicos não especialistas a reconhecer condições que raramente encontram, especialmente em hospitais sem centros dedicados a doenças raras. O estudo menciona desafios em aberto, como confusão entre síndromes semelhantes e a necessidade de expandir o sistema para triagem precoce e planejamento de tratamento. Ainda assim, os achados sugerem que colegas de IA bem projetados, como o DeepRare, poderiam encurtar a odisseia diagnóstica para milhares de famílias, tornando as doenças raras mais fáceis de reconhecer e raciocinar na prática clínica cotidiana.

Citação: Zhao, W., Wu, C., Fan, Y. et al. An agentic system for rare disease diagnosis with traceable reasoning. Nature 651, 775–784 (2026). https://doi.org/10.1038/s41586-025-10097-9

Palavras-chave: diagnóstico de doenças raras, IA médica, modelos de linguagem em grande escala, suporte à decisão clínica, medicina genômica