Uma IA pode interpretar imagens médicas e conversar como um médico? O avanço multimodal do AMIE na telemedicina

A doutoranda Marta Arbizu Gómez aborda como o AMIE, a IA multimodal do Google DeepMind, transforma a consulta médica e o futuro da telemedicina.

A telemedicina não é mais apenas texto: o desafio de integrar imagens e documentos clínicos

O atendimento médico a distância mudou radicalmente nos últimos anos. Atualmente, muitos pacientes enviam fotografias de lesões cutâneas, eletrocardiogramas (ECGs), laudos laboratoriais ou documentos clínicos diretamente do celular durante uma consulta online.

No entanto, a maioria dos sistemas de inteligência artificial (IA) aplicados à saúde ainda funciona principalmente por meio de texto. Isso representa uma limitação importante: na prática clínica real, os médicos combinam continuamente a conversa com informações visuais e documentais para tomar decisões diagnósticas.

Um estudo publicado na Nature Medicine em 2026 apresenta uma nova versão multimodal do AMIE (Articulate Medical Intelligence Explorer), um sistema desenvolvido pelo Google DeepMind capaz de:

• manter conversas clínicas,
• solicitar imagens ou documentos relevantes,
• interpretar essas informações multimodais,
• e raciocinar diagnosticamente de forma dinâmica durante a consulta.

O objetivo do trabalho foi avaliar se essa IA poderia atuar em consultas de telemedicina complexas, comparando-a diretamente com médicos da atenção primária.

Como funciona o sistema multimodal AMIE?

A principal inovação do sistema é um mecanismo denominado “state-aware reasoning” (“raciocínio consciente do estado clínico”).

Em vez de simplesmente responder pergunta por pergunta, o AMIE estrutura a consulta em diferentes fases, imitando o raciocínio clínico habitual:

1. Anamnese e história clínica: o sistema reúne sintomas, antecedentes e possíveis fatores de risco.
2. Solicitação e interpretação de informações multimodais: se considerar que precisa de mais informações, pode solicitar fotografias dermatológicas, ECGs ou documentos clínicos.
3. Geração dinâmica de hipóteses diagnósticas: a IA atualiza continuamente seus possíveis diagnósticos de acordo com as novas informações recebidas.
4. Plano diagnóstico e terapêutico: por fim, gera recomendações e responde às perguntas do paciente.

Essa abordagem busca reproduzir o raciocínio progressivo seguido pelos médicos durante uma consulta real.

Como foi realizada esta pesquisa sobre IA e saúde?

Para avaliar o desempenho do sistema, os pesquisadores realizaram um estudo do tipo OSCE (Objective Structured Clinical Examination), uma metodologia amplamente utilizada para avaliar competências clínicas médicas.

Participaram:

• 19 médicos da atenção primária, 
• 25 pacientes-atores treinados, 
• e 18 especialistas avaliadores independentes.

Foram elaborados 105 cenários clínicos simulados, incluindo:

• fotografias dermatológicas,
• traçados de ECG,
• documentos clínicos,
• e conversas clínicas por meio de chat multimodal.

Cada paciente-ator realizou duas consultas:

• uma com um médico humano,
• e outra com o AMIE multimodal,

tudo em ordem aleatória e com avaliação cega por especialistas.

O que os resultados do estudo mostraram?

Os resultados foram especialmente impressionantes.

Maior precisão diagnóstica

O AMIE obteve precisão diagnóstica superior à dos médicos da atenção primária nos diferentes níveis de diagnóstico diferencial avaliados.

Além disso, suas listas diagnósticas foram:

• mais completas,
• mais consistentes,
• e com menos omissões relevantes.

Melhor interpretação de imagens e documentos

Uma das descobertas mais importantes foi a capacidade do sistema de integrar corretamente informações visuais à conversa clínica.

Os especialistas avaliaram melhor o AMIE em:

• interpretação de imagens,
• raciocínio baseado em elementos visuais,
• explicação dos achados ao paciente,
• e manejo de perguntas relacionadas a imagens médicas.

Curiosamente, os pacientes-atores perceberam que a IA explicava as imagens melhor do que muitos médicos humanos, provavelmente porque verbalizava de forma explícita o que observava e como isso influenciava o diagnóstico.

A conversa clínica continua sendo essencial

O estudo também demonstrou algo muito relevante: analisar imagens isoladas não era suficiente. Quando o sistema apenas via imagens sem manter uma conversa clínica, a precisão diagnóstica diminuía claramente.

Isso reforça uma ideia fundamental: o contexto clínico e a anamnese continuam sendo essenciais mesmo na era da IA multimodal.

A combinação de:

• diálogo clínico,
• raciocínio estruturado,
• e interpretação visual

foi o que permitiu alcançar os melhores resultados.

Uma IA pode ser empática?

Além da precisão diagnóstica, os pesquisadores avaliaram aspectos comunicativos e emocionais.

Os pacientes atribuíram ao AMIE pontuações iguais ou superiores às dos médicos em aspectos como:

• empatia,
• escuta ativa,
• clareza das explicações,
• manejo das preocupações,
• e confiança transmitida.

Embora isso não signifique que a IA substitua a relação médico-paciente, mostra o potencial dos sistemas conversacionais avançados para melhorar a experiência na telemedicina.

Quais são as limitações do estudo sobre o avanço multimodal do AMIE na telemedicina?

Os autores destacam várias limitações importantes:

• Ainda não se trata de um ensaio clínico real.
• Todas as consultas foram simuladas.
• A interação foi realizada por meio de chat escrito, não de videochamada.
• O sistema continua experimental e não está preparado para uso clínico autônomo.

Além disso, os pesquisadores reconhecem que ainda é necessário validar:

• a segurança,
• a robustez,
• e a equidade do sistema

em populações reais e ambientes assistenciais diversos.

Quais são as implicações para o futuro da telemedicina?

Este trabalho representa um dos primeiros passos rumo a sistemas de IA capazes de integrar conversa clínica e raciocínio multimodal em tempo real.

No futuro, tecnologias como esta poderiam:

• agilizar a triagem clínica,
• apoiar consultas remotas,
• melhorar o acesso à saúde em regiões com poucos profissionais,
• e ajudar a priorizar pacientes conforme a gravidade.

No entanto, os autores insistem que o objetivo não é substituir o médico, mas desenvolver ferramentas de apoio capazes de complementar a prática clínica.

Como esse avanço se relaciona com o NeuronUP?

No NeuronUP, a tecnologia e a saúde cognitiva avançam paralelamente rumo a modelos cada vez mais personalizados e digitais.

A integração de ferramentas de IA multimodal poderia facilitar:

• uma avaliação clínica mais rápida e acessível,
• uma melhor detecção de sintomas cognitivos e neurológicos,
• e um acompanhamento mais contínuo em ambientes remotos.

Além disso, a combinação entre diagnóstico assistido por IA, biomarcadores digitais e programas personalizados de reabilitação cognitiva abre caminho para modelos de atendimento mais abrangentes e adaptativos.

Conclusão

O novo sistema multimodal AMIE demonstra que a inteligência artificial conversacional pode ir além do texto, integrando imagens e documentos clínicos a consultas médicas simuladas.

Neste estudo, a IA alcançou resultados comparáveis ou superiores aos de médicos da atenção primária em precisão diagnóstica, interpretação multimodal e qualidade da comunicação.

Embora ainda haja um caminho a percorrer antes de sua implementação clínica real, esses resultados mostram o enorme potencial da IA multimodal para transformar a telemedicina e apoiar os profissionais de saúde no futuro.

Bibliografia

• Saab K, Park C, Strother T, Freyberg J, Barrett DGT, Cheng Y, Weng WH, Stutz D, Tomasev N, Palepu A, et al. Advancing conversational diagnostic AI with multimodal reasoning. Nature Medicine. 2026. doi:10.1038/s41591-026-04371-0.

Se você gostou deste artigo sobre o avanço multimodal do AMIE na telemedicina, provavelmente também se interessará por estes artigos do NeuronUP: