Uma pesquisa do Google colocou cinco versões de um agente conversacional para entrevistar 13.917 pessoas sobre sintomas cotidianos. O resultado mais útil não é uma promessa de “médico artificial”, mas algo mais básico: quando o sistema fazia perguntas de acompanhamento antes de sugerir hipóteses, seu desempenho experimental melhorava em relação a uma conversa conduzida apenas pelas informações que o participante decidia fornecer.
O sistema recebeu o nome de SymptomAI e foi construído sobre o Gemini 2.0 Flash. Ele não está sendo lançado como produto para diagnóstico e as associações produzidas durante o estudo não eram avaliações médicas confirmadas. Os pesquisadores também não enviaram as hipóteses do agente aos profissionais que cuidavam dos participantes nem as usaram para definir tratamento.
Essa separação é essencial porque o tema é saúde. A pesquisa tenta responder se uma IA consegue conduzir uma entrevista sobre sintomas em condições mais próximas do uso cotidiano. Ela não demonstra que um chatbot possa substituir exame físico, prontuário, acompanhamento ao longo do tempo ou julgamento clínico.
Quando isso aconteceu
O estudo foi realizado no ambiente experimental Fitbit Labs entre junho de 2025 e abril de 2026. O artigo científico foi publicado no arXiv e atualizado em maio de 2026. Em 22 de julho, o Google Research apresentou os resultados em uma publicação oficial sobre o SymptomAI.
O trabalho deve ser lido como preprint: está disponível publicamente, descreve métodos e análises, mas o arXiv não equivale à revisão por pares de uma revista científica. Os autores são ligados ao Google Research e ao Google DeepMind. Isso não invalida os dados apresentados, porém significa que os resultados ainda precisam ser reproduzidos e examinados por grupos independentes.
A pauta continua atual porque o estudo enfrenta uma diferença frequentemente escondida pelas demonstrações de IA médica. Resolver um caso clínico escrito por especialistas é diferente de conversar com uma pessoa que não conhece os termos técnicos, esquece detalhes e relata os sintomas em uma ordem imperfeita.
Como o estudo foi montado
Os 13.917 participantes consentiram em conversar com uma das cinco versões do SymptomAI. Cada versão seguia uma estratégia diferente para colher informações. Ao final, o sistema produzia uma lista de diagnósticos diferenciais, ou seja, hipóteses plausíveis que poderiam explicar os sintomas, além de recomendações de próximos passos.
Uma versão básica funcionava de modo mais parecido com o uso comum de um chatbot: respondia ao que a pessoa contava, sem uma estrutura específica para investigar o caso. Duas versões faziam perguntas canônicas ensinadas na formação médica, abordando aspectos como início, localização, intensidade e fatores que pioravam ou aliviavam o sintoma. Outras duas tinham mais liberdade para decidir quais perguntas fazer, com uma delas atualizando hipóteses durante a conversa e a outra mostrando apenas o resultado final.
Depois da interação, os participantes podiam procurar atendimento. Duas semanas mais tarde, foram convidados a informar um diagnóstico recebido de um profissional de saúde. Um total de 1.228 pessoas relatou esse tipo de resultado. Dentro desse conjunto, 517 conversas passaram por uma avaliação clínica mais detalhada.
Nessa etapa, médicos certificados em medicina de família leram as transcrições e elaboraram suas próprias listas de hipóteses. Outro avaliador clínico comparou, sem saber quem havia produzido cada lista, uma resposta do SymptomAI e duas respostas de médicos. O objetivo era avaliar qualidade geral e verificar se o diagnóstico posteriormente relatado pelo participante aparecia entre as cinco primeiras hipóteses.
O principal resultado: perguntar melhor fez diferença
As quatro estratégias que induziam perguntas adicionais superaram a condição básica. Segundo o artigo, a precisão média foi 27,57% maior quando o agente coletava ativamente mais informações do que quando dependia apenas de uma conversa conduzida pelo usuário. Todas as variações estruturadas tiveram diferença estatisticamente significativa em relação à base.
O achado é importante porque muitas comparações de modelos medem apenas a resposta final. Aqui, a maneira de conduzir a conversa influenciou o resultado. O sistema não ficou melhor por “pensar” sobre a mesma frase; ele recebeu mais contexto ao perguntar sobre características que uma pessoa talvez não soubesse mencionar espontaneamente.
As estratégias dinâmicas, em que o agente escolhia as próximas perguntas, tiveram precisão combinada de 72,07%. As versões guiadas por um roteiro canônico chegaram a 77,51%. A diferença entre esses dois grupos não foi estatisticamente significativa no teste relatado. Isso sugere que, nesta amostra, a capacidade de elicitar informação foi mais importante do que seguir exatamente uma lista fixa.
Na avaliação cega das 517 conversas, a lista do SymptomAI foi escolhida como a melhor em 53,3% dos casos. Como havia três listas em cada comparação, uma da IA e duas produzidas por médicos a partir da mesma transcrição, a chance de ocupar o primeiro lugar ao acaso seria de aproximadamente um terço. Os autores também relatam maior precisão top-5 para o sistema experimental.
Esses números exigem contexto. Os médicos de comparação não conversaram diretamente com os participantes. Eles receberam uma transcrição estática produzida durante a entrevista da IA e não puderam fazer suas próprias perguntas, examinar a pessoa ou consultar um prontuário. Portanto, o estudo compara listas criadas com o mesmo texto disponível, e não uma consulta completa de IA contra uma consulta médica real.
O Fitbit entrou como fonte de sinais, não como confirmação diagnóstica
Com autorização, os pesquisadores também analisaram dados de dispositivos Fitbit nos 30 dias anteriores à conversa. Entre as medidas estavam frequência cardíaca, variabilidade da frequência cardíaca, respiração, temperatura da pele, oxigenação, atividade e sono.
Para a análise populacional, a hipótese principal do SymptomAI foi usada como rótulo de referência. Os autores observaram mudanças fisiológicas próximas ao dia em que participantes relataram sintomas, especialmente em grupos classificados com infecções respiratórias agudas. A pesquisa envolveu mais de 500 mil dias de métricas e quase 400 condições distintas.
Isso não transforma uma pulseira em teste diagnóstico. Uma alteração de sono, frequência cardíaca ou temperatura pode ter várias causas. Além disso, os grupos foram formados a partir de rótulos gerados pela própria IA. O valor da análise está em mostrar uma associação que pode orientar pesquisas futuras, não em provar que um relógio identificou uma doença específica.
O artigo também incluiu uma análise auxiliar com 1.509 conversas de um painel mais amplo da população dos Estados Unidos. O objetivo era verificar se o padrão não dependia apenas de usuários de dispositivos vestíveis. Ainda assim, a maior implantação ocorreu dentro do ecossistema Fitbit, o que pode selecionar pessoas mais habituadas a acompanhar dados de saúde.
Por que “melhor que médicos” seria um título enganoso
Os resultados permitem dizer que as listas do SymptomAI foram preferidas e tiveram maior precisão em uma comparação cega específica. Não permitem concluir que o sistema diagnostica melhor que médicos na prática. Essa segunda frase apagaria as diferenças de método e de informação disponível.
O diagnóstico usado como referência foi relatado pelos próprios participantes. Alguns quadros mudam ao longo do tempo e um diagnóstico inicial pode ser revisto. Também não foi possível controlar o momento exato em que cada pessoa decidiu relatar os sintomas. Alguém pode conversar muito cedo, antes do aparecimento de sinais típicos, ou muito tarde, já sabendo bastante sobre uma condição recorrente.
Outro limite é a ausência de informações que fazem parte do atendimento: linguagem corporal, aparência, exame físico, exames laboratoriais, imagens, histórico completo e relação prévia com o paciente. Mesmo um diálogo detalhado continua sendo um recorte.
Os próprios autores dizem que diagnósticos, rótulos e associações foram gerados para análise de pesquisa e não constituíram avaliações clínicas oficiais. O SymptomAI foi um sistema experimental restrito ao estudo. Não há anúncio de disponibilidade pública, autorização regulatória ou indicação para uso autônomo.
O que a pesquisa ensina fora da medicina
Há uma lição que vale para qualquer agente: antes de responder, o sistema precisa saber quando a informação é insuficiente. Perguntas de acompanhamento bem escolhidas podem melhorar uma tarefa mais do que uma resposta longa construída sobre um pedido incompleto.
Isso é particularmente visível em saúde porque os detalhes mudam a interpretação. Mas o princípio se aplica a suporte técnico, análise financeira, educação e atendimento. Um agente útil não apenas gera conteúdo; ele identifica lacunas, pede dados relevantes e sinaliza quando não tem base para avançar.
Também há uma lição sobre avaliação. Comparar modelos em casos prontos mede conhecimento e raciocínio sob condições controladas. Colocar pessoas reais na conversa testa comunicação, coleta de contexto e tolerância a relatos imperfeitos. Os dois tipos de avaliação são necessários, mas respondem a perguntas diferentes.
Por que isso ainda importa
Milhões de pessoas já perguntam sobre saúde a assistentes gerais, mesmo quando eles não foram projetados como ferramentas clínicas. O SymptomAI explora uma alternativa: em vez de responder imediatamente, conduzir uma entrevista estruturada e produzir hipóteses com limites explícitos.
O estudo sugere que essa abordagem merece investigação, mas ainda deixa perguntas centrais sem resposta. Como o sistema se comporta com populações, idiomas e serviços de saúde diferentes? Ele reconhece emergências de maneira confiável? Quais erros aparecem quando a conversa envolve crianças, gestantes, idosos ou condições raras? Como integrar supervisão profissional sem criar confiança excessiva?
A conclusão mais sóbria é que perguntas melhores ajudaram o agente experimental a trabalhar com relatos reais. Isso é um avanço de método, não uma autorização para substituir consulta. Até que estudos independentes, revisão científica e avaliação regulatória avancem, sintomas importantes ou persistentes continuam exigindo orientação de um profissional de saúde.
Esta matéria é informativa e não oferece diagnóstico ou orientação médica. Em caso de sintomas graves, piora rápida ou emergência, procure atendimento profissional. As fontes foram acessadas em 9 de agosto de 2026.