Carregamos cinco casos clínicos no ChatGPT e no Wizey — as duas ferramentas de IA que um paciente hoje tem mais chance de abrir quando tenta entender um laudo laboratorial — e pedimos a cada uma que interpretasse os mesmos exames. As duas IAs chegaram ao mesmo diagnóstico. O que aconteceu depois foi inesperado, e muda a pergunta que vale a pena fazer sobre a tecnologia.
Duas respostas para a mesma pessoa
Homem de 45 anos. Um conjunto de exames. Um prompt curto: “por favor, interprete meus exames”. Dois serviços. Veja o que voltou — na íntegra.
ChatGPT: Faça três coisas e a maioria dos marcadores vai se normalizar. 1) Perca 8–12 kg. 2) Álcool: quase toda noite, hoje em dia. Para o fígado e a insulina, isso é crítico. 3) Atividade física: no mínimo 8.000–10.000 passos por dia, mais treino de força três vezes por semana.
Wizey, a IA médica especializada: Endocrinologista — para tratar o pré-diabetes e a resistência à insulina e discutir a terapia de reposição de testosterona. Cardiologista ou clínico geral — para avaliação do risco cardiovascular. Gastroenterologista ou hepatologista — para confirmar a doença hepática gordurosa. Especialista do sono ou otorrinolaringologista — para investigar apneia do sono. Urologista-andrologista — para uma investigação mais aprofundada da disfunção sexual. Exame de PSA — obrigatório antes de qualquer discussão sobre terapia com testosterona (rastreamento padrão para homens a partir dos 45 anos).
Uma pessoa, um conjunto de exames. As duas IAs leram corretamente o quadro — síndrome metabólica, resistência à insulina, hipogonadismo funcional, suspeita de apneia do sono, deficiência de vitamina D e de zinco. O diagnóstico bateu. O que divergiu foi o que esse homem deveria de fato fazer nas próximas duas semanas.
Somos a equipe por trás do Wizey. Ao entrar neste experimento, nossa aposta de trabalho era que o ChatGPT erraria o diagnóstico. Ele não errou nenhuma vez em cinco casos. A verdadeira descoberta foi outra: um diagnóstico principal correto não é a mesma coisa que ajudar o paciente. Ao longo de cinco casos, vamos mostrar onde passa a real linha de diferença — e vamos apontar o único caso em que o ChatGPT nos superou em substância clínica.
Como testamos
- Montamos cinco painéis clínicos reconstruídos a partir de casos reais publicados (PubMed, Blood, Annals of Family Medicine) — preservando cada alteração e cada sintoma clinicamente relevante.
- Carregamos o painel idêntico nos dois serviços: ChatGPT (plano Plus, GPT-5.4) e Wizey, uma IA médica especializada.
- No ChatGPT, digitamos um prompt curto: “por favor, interprete meus exames”. Sem perguntas de acompanhamento, sem engenharia de prompt. O objetivo era imitar o que um paciente comum faz segurando uma impressão dos resultados.
- Todas as respostas foram capturadas na íntegra. As citações diretas neste artigo não foram editadas; os trechos que encurtamos por questão de espaço estão marcados com reticências.
- Quatro casos são cenários ambulatoriais de rotina; um caso bônus é urgente, incluído especificamente para testar o comportamento de triagem.
Uma observação sobre o escopo
Cinco casos são uma ilustração de padrão, não uma estatística. Vimos o mesmo formato em cada um dos cinco, mas não estamos apresentando isto como um estudo randomizado de mil rodadas.
Somos a equipe do Wizey — o conflito de interesse é óbvio. Para compensá-lo em parte: a metodologia foi fixada antes das rodadas, todas as respostas são citadas na íntegra e, sempre que o ChatGPT nos superou, dizemos isso diretamente. As publicações de origem a partir das quais cada painel foi reconstruído são citadas ao longo do texto, para que qualquer pessoa possa reproduzir o experimento.
Todos os testes foram realizados em um único dia, 17 de abril de 2026.
O que diz a literatura revisada por pares
Para quem quer os números antes dos estudos de caso, veja o que a literatura revisada por pares relata sobre o ChatGPT na interpretação de exames:
- Cabral et al., PLOS ONE 2024: em perguntas especializadas de medicina laboratorial, o ChatGPT interpreta corretamente em cerca de 51% dos casos, e 17% das respostas estão totalmente erradas.
- Nature Communications Medicine, 2025: quando um valor médico falso é inserido discretamente no contexto do prompt, os LLMs “insistem” nele em 83% dos casos — ou seja, aceitam o valor falso e constroem um raciocínio em cima dele, sem nunca sinalizar a inconsistência.
- Nature Scientific Reports, 2025: em distúrbios acidobásicos mistos, o ChatGPT devolve um veredito “normal” falsamente tranquilizador em 16,7% dos casos; médicos de UTI, nos mesmos casos, apresentam uma taxa de 0% de falsa tranquilização.
Os números, para dizer o mínimo, são alarmantes. Mas há um porém. No nosso teste de cinco casos, o ChatGPT produziu de forma confiável o diagnóstico principal correto — mesmo nos casos em que esperávamos que tropeçasse: hipotireoidismo subclínico, MGUS (gamopatia monoclonal de significado indeterminado), rabdomiólise induzida por estatina, a transição perimenopausal, síndrome metabólica com hipogonadismo funcional. Cinco de cinco.
Esse é o verdadeiro ponto de virada deste experimento. A diferença não é “acertou ou errou”, como as pessoas costumam colocar. A diferença está no que vem depois do diagnóstico correto. É essa a camada que vamos destrinchar a seguir.
Caso 1: 45 anos, cansado de viver cansado
Engenheiro de 45 anos. Trabalho sedentário, um grande projeto com prazo apertado, estresse crônico. Queixas: cansaço persistente que um fim de semana de descanso não resolve, queda da libido, ganho de peso, ronco, dores de cabeça matinais, refluxo duas ou três vezes por semana, dor no joelho. Álcool: uma taça ou duas de vinho quase toda noite, mais destilados nos fins de semana. Histórico familiar: pai com diabetes tipo 2, mãe com hipertensão. O clássico homem de meia-idade que “finalmente resolveu fazer os exames”.
Principais alterações do painel. HbA1c 5,9%. HOMA-IR (índice de resistência à insulina) 4,9, quase o dobro do limite superior de <2,5. Triglicerídeos 2,4 mmol/L, LDL 3,6, HDL 0,95, ApoB 1,35, índice aterogênico 5,1. ALT 58 U/L, GGT 78 — um padrão de doença hepática gordurosa não alcoólica (DHGNA). Testosterona livre 220 pmol/L, abaixo do valor de referência. Vitamina D 18 ng/mL, zinco 9,4 μmol/L, B12 260 pmol/L, homocisteína 11,8. PCR-us 4,8 mg/L, ácido úrico 468 μmol/L, cortisol 580 nmol/L. Circunferência abdominal 104 cm (normal <94).
Empate no diagnóstico. As duas IAs produziram a mesma lista: síndrome metabólica, resistência à insulina, pré-diabetes, dislipidemia aterogênica, DHGNA, hipogonadismo funcional, deficiência de vitamina D e de zinco, inflamação crônica de baixo grau, hiperuricemia, suspeita de apneia obstrutiva do sono, cortisol no limite alto da normalidade. O ChatGPT não deixou passar nenhuma peça do quadro clínico. Reuniu cada dado com honestidade.
Agora — onde os dois divergiram.
Encaminhamento. O ChatGPT não citou nenhum especialista específico. O bloco de “para onde ir” se resumia a “pronto-socorro” (reservado para a rabdomiólise, não para este caso) e a frases como “normalmente prescrito” ou “converse com seu médico”. O Wizey listou cinco especialistas com responsabilidades específicas:
Endocrinologista — para tratar o pré-diabetes e a resistência à insulina, avaliar a necessidade de correção medicamentosa de lipídios e glicose e discutir a terapia de reposição de testosterona caso as mudanças de estilo de vida não sejam suficientes. Cardiologista ou clínico geral — para avaliação do risco cardiovascular. Gastroenterologista ou hepatologista — para confirmar a doença hepática gordurosa. Especialista do sono ou otorrinolaringologista — para investigar apneia do sono. Urologista-andrologista — para uma investigação mais aprofundada da disfunção sexual.
— Wizey
Na maioria dos sistemas de saúde, consultar cinco especialistas em duas semanas é irreal — o caminho mais realista é o encaminhamento a partir do médico de atenção primária, que funciona como porta de entrada, e mesmo com plano de saúde privado agendar cinco consultas leva um mês. Mas pelo menos o paciente sabe quem vai consultar e por quê. “Converse com seu médico” é uma não resposta quando o tempo de espera típico na endocrinologia é de semanas a meses; o paciente simplesmente abre outro chat de IA. Ou pior — começa a se automedicar. Ou apenas perde um tempo precioso.
A camada de segurança — a maior falha. O ChatGPT sinalizou a testosterona livre baixa e explicou as causas. Foi aí que parou. O Wizey inseriu isto como um item próprio:
Exame de PSA (antígeno prostático específico) — obrigatório antes de qualquer discussão sobre terapia com testosterona. Rastreamento padrão para homens a partir dos 45 anos.
— Wizey
Isto não é um detalhe fútil. A terapia de reposição de testosterona (TRT) na presença de um câncer de próstata não diagnosticado pode acelerar a progressão do tumor — o rastreamento com PSA antes de iniciar a TRT está previsto na maioria das diretrizes pertinentes (Endocrine Society, AUA e outras). Um homem de 45 anos que lê a resposta do ChatGPT e vai procurar TRT em uma clínica boutique sem um PSA é uma falha clínica real esperando para acontecer. A diretriz de terapia com testosterona da Endocrine Society é inequívoca quanto a isso.
Metas quantitativas. ChatGPT: “Vitamina D3 4.000–5.000 UI, magnésio 300–400 mg, zinco 20–30 mg, ômega-3 2–3 g, complexo B.” O Wizey na mesma questão:
Vitamina D — com um nível sérico de 18 ng/mL, a dose típica é de 2.000–5.000 UI/dia para atingir uma faixa-alvo de 40–60 ng/mL. Repetir o exame em 2–3 meses. Zinco — 15–30 mg como picolinato ou citrato. Magnésio 300–400 mg como citrato ou glicinato. Ômega-3 (EPA+DHA) 1.000–2.000 mg. Berberina ou inositol — converse com seu endocrinologista.
— Wizey
A diferença é entre “quanto tomar hoje” e “que nível atingir, que forma escolher, quando repetir o exame”. Com a primeira resposta, o paciente toma vitamina D e não faz ideia se está funcionando. Com a segunda, há um ponto de checagem.
A cascata de mecanismos. O ChatGPT deu tabelas e listas: aqui está a glicose, aqui a insulina, aqui o LDL. O Wizey apresentou oito elos causais numerados:
1) A gordura visceral não é só um depósito — é um tecido com atividade endócrina. Ela libera sinais inflamatórios, reduz a sensibilidade à insulina e converte testosterona em estradiol. 2) Resistência à insulina → o pâncreas produz mais insulina → a insulina estimula a síntese hepática de triglicerídeos e LDL → dislipidemia. 3) Cortisol alto → piora a resistência à insulina e suprime a testosterona. 4) Álcool diário → eleva os triglicerídeos e a GGT, atrapalha o sono. 5) Deficiência de vitamina D e de zinco → menor síntese de testosterona. 6) Testosterona livre baixa → perda de massa muscular → metabolismo mais lento. 7) Ronco somado a dores de cabeça matinais → apneia → fragmentação do sono → cortisol + resistência à insulina. 8) Histórico familiar — pano de fundo genético.
— Wizey
Este é o mapa mental que um bom médico carrega na cabeça. Com ele, o paciente deixa de ser passageiro da própria fisiologia: emagrecer, abrir mão do vinho da noite e usar CPAP para a apneia deixam de ser três ações sem relação — são partes de um único sistema.
Enquadramento emocional e prognóstico. O ChatGPT se limitou a uma constatação clínica neutra. O Wizey acrescentou um enquadramento curto, mas importante:
Boa notícia: a maior parte dos seus problemas é reversível… Se você agir agora, o prognóstico é excelente — dá para reverter tudo. Sua situação é típica de um homem de meia-idade dos dias de hoje. O importante é que você percebeu a tempo. Muita gente só procura ajuda quando já é diabética ou depois de um infarto.
— Wizey
Isto não é terapia. É informação prognóstica — “agir agora faz diferença, não é tarde demais” — mais uma orientação: “seu caso não é incomum”. Para um homem de 45 anos encarando um painel com vinte marcadores alterados, a diferença entre um diagnóstico sem emoção e um diagnóstico somado ao reconhecimento de que a recuperação ainda é possível é psicologicamente significativa.
Onde o ChatGPT ganhou. Lp(a) — com histórico familiar de doença coronariana, é um marcador cardíaco importante que não mencionamos. A fórmula condensada das “três coisas a fazer” (peso, álcool, atividade) é fácil de lembrar e motivadora. Ultrassom de carótidas como rastreamento de aterosclerose. Vitórias reais do ChatGPT neste caso.
Conclusão do caso. Empate no diagnóstico. Divergência em “o que esse homem realmente faz nos próximos 14 dias?”. O ChatGPT deu uma fórmula motivadora de três ações. O Wizey deu cinco especialistas com responsabilidades específicas, a trava de segurança do PSA antes da TRT, metas quantitativas com intervalos de reavaliação, uma cascata de mecanismos, um prognóstico e a tranquilização de que o paciente estava a tempo.
Um diagnóstico principal correto vale zero minuto de ajuda real se, depois dele, não há caminho de encaminhamento, não há checagem de segurança, não há níveis-alvo e não há o enquadramento de “você está a tempo”.
Sete diferenças entre os serviços
Não é uma estatística sobre cem casos — é um padrão observável em cinco, repetido em cada um. Comparamos as respostas linha a linha em sete parâmetros.
A tabela não é uma afirmação de que “o ChatGPT perde”. É um mapa de onde os dois serviços divergem. Na pergunta rápida de “o que isso significa afinal”, o ChatGPT é rápido e bom. No plano de ação antes da consulta médica, ele fraqueja de forma sistemática. Isso não é um defeito: o GPT foi treinado em textos heterogêneos da internet, não em algoritmos clínicos de manejo de pacientes.
Onde o ChatGPT nos superou — com honestidade
Rodamos o caso de MGUS (gamopatia monoclonal de significado indeterminado) nos dois serviços — e aqui o ChatGPT venceu em substância clínica. Prometemos na nossa metodologia apontar nossos erros diretamente. Este é um deles.
Homem de 68 anos. Queixas — fraqueza generalizada nos últimos seis meses e dor nas costas intermitente. Em uso de perindopril e atorvastatina 10 mg. Painel quase normal, exceto por três achados: proteínas totais 92 g/L (elevadas; normal 64–83), albumina 38 (normal), VHS 38 mm/hr (mais que o dobro do limite superior). Idade 68 + seis meses de fraqueza + dor nas costas + proteínas totais elevadas + VHS elevada = a clássica “tríade de alerta” para gamopatia monoclonal ou mieloma múltiplo. Precisa ser detectada no rastreamento.
O que o ChatGPT fez melhor. Ele calculou explicitamente a relação albumina/globulina: proteínas totais 92, albumina 38 → globulinas 54, relação 0,70 (normal >1,0). Conclusão: globulinas elevadas. A partir daí, citou um diagnóstico diferencial específico:
Três sinais de alerta: VHS 38, proteínas totais 92 e o padrão de sintomas (fraqueza somada a dor nas costas). Essa combinação classicamente exige descartar mieloma múltiplo… Também pode sugerir: inflamação crônica, infecção, doença reumatológica, MGUS.
— ChatGPT
E indicou uma investigação específica: eletroforese de proteínas séricas + imunofixação + cadeias leves livres (FLC) + proteína de Bence-Jones na urina + radiografia/ressonância da coluna + tomografia óssea. É um checklist clínico de verdade — exatamente o que um hematologista pediria. É a diferença entre “investigação para MGUS” e “investigação para VHS sem explicação”. Segundo a cobertura recente da NEJM AI sobre o GPT-4 em casos clínicos, as listas de diagnóstico diferencial específicas de hematologia são uma área em que os modelos de fronteira melhoraram de forma notável.
O que o Wizey deixou passar. Não calculamos explicitamente a relação A/G. Mencionamos as gamopatias monoclonais como possibilidade, mas não citamos os exames confirmatórios específicos — FLC, imunofixação, Bence-Jones. Isso é uma lacuna real do produto, não uma sutileza de interpretação. A equipe reconhece. O trabalho já está em andamento.
O que o Wizey ainda assim entregou. Apesar da falha no painel de exames, a resposta não foi vazia. Incluiu algo que o ChatGPT não trouxe:
Prepare-se para a consulta: anote quando a fraqueza começou, com que frequência e onde exatamente as suas costas doem, se você teve febre, sudorese noturna ou perda de peso não intencional.
— Wizey
Essa lista — febre, sudorese noturna, perda de peso — é a clássica triagem dos “sintomas B” para linfoma e mieloma. Um paciente que chega ao consultório de um hematologista com uma anotação de duas linhas dizendo “três episódios de sudorese noturna em seis meses, cerca de 3 kg de perda de peso não intencional” poupa vinte minutos de anamnese do médico e melhora a qualidade da consulta.
O Wizey também fez uma observação metacognitiva (“os valores de referência não estavam impressos no seu laudo — usei normas reconhecidas internacionalmente”), deu uma janela de urgência mais precisa (“1–2 semanas” contra o “nas próximas semanas” do ChatGPT) e comentou brevemente as medicações em uso.
Conclusão editorial. Isto não é uma questão de vitória ou derrota — são dois modos de operação diferentes. O ChatGPT se comportou como o checklist de um médico nas mãos do paciente: uma lista de exames para levar ao médico. O Wizey se comportou como uma preparação para a consulta: sintomas B, queixas mais bem formuladas, uma janela de urgência precisa.
Os dois modos são legítimos. Deixar passar os exames específicos de MGUS é um ponto em que nos criticamos. Mas se o paciente chega ao hematologista com a anotação do Wizey e o próprio hematologista pede FLC, imunofixação e Bence-Jones (que é o trabalho dele), os vinte minutos economizados no histórico de sintomas B valem muito.
Mais dois casos, o mesmo padrão
Hipotireoidismo subclínico — mulher de 52 anos
Ela chegou com cansaço, ganho de peso e pele seca. TSH 6,8 mIU/L (elevado; normal 0,4–4,0), T4 e T3 livres dentro da faixa. Colesterol total 6,8 mmol/L, LDL 4,3. As duas IAs chegaram corretamente ao hipotireoidismo subclínico somado à dislipidemia. O diagnóstico principal bateu de novo.
Eles divergiram em uma única frase. ChatGPT:
As diretrizes atuais costumam recomendar iniciar o tratamento se: TSH >6–7, sintomas presentes, idade <65. Você preenche todos os critérios. A levotiroxina costuma ser prescrita em uma dose inicial baixa.
— ChatGPT
Superficialmente, razoável. No fundo, é uma simplificação com consequências potencialmente prejudiciais. As diretrizes da American Thyroid Association e da European Thyroid Association para TSH na faixa de 4–10 mIU/L dizem, na verdade, o oposto: a decisão é individualizada. O Wizey captou isso:
A decisão de iniciar o tratamento é individualizada: TSH acima de 10 mIU/L geralmente justifica a terapia; TSH na faixa de 4–10 mIU/L (como no seu caso) depende dos sintomas, da presença de anticorpos tireoidianos, das comorbidades e da evolução ao longo do tempo.
— Wizey
E deu uma sequência que o ChatGPT pulou:
Repita o perfil lipídico no acompanhamento — depois que a função da tireoide é corrigida, o colesterol muitas vezes se normaliza sozinho.
— Wizey
Este é o detalhe decisivo. Se uma mulher com TSH 6,8 e colesterol 6,8 começa ao mesmo tempo levotiroxina e uma estatina, três meses depois pode estar tomando uma estatina de que não precisa: o hipotireoidismo, por si só, eleva o colesterol. O Wizey acrescentou um encaminhamento explícito (endocrinologista), uma reavaliação de TSH e T4 livre em 2–3 meses e uma janela de urgência de “2–4 semanas”.
Conclusão do caso: os dois acertam o diagnóstico. Um empurra para o excesso de tratamento e uma estatina desnecessária. O outro constrói uma sequência.
O mesmo padrão aparece no próximo caso, sobre outro tema — e o custo da simplificação excessiva sobe ainda mais.
Perimenopausa — mulher de 50 anos
Paciente: ondas de calor, sudorese noturna, insônia, queda da libido, “névoa mental”. Histórico familiar — osteoporose na mãe, doença coronariana no pai. Painel: FSH 42 IU/L, estradiol 45 pmol/L (baixo), progesterona 1,2 nmol/L, anti-TPO 68 IU/mL (Hashimoto inicial), vitamina D 22 ng/mL, ferritina 32 μg/L, PTH 68 pg/mL, LDL 3,9 mmol/L. As duas IAs chegaram a: transição perimenopausal + tireoidite autoimune inicial + deficiência de vitamina D + deficiência latente de ferro + dislipidemia pós-menopausa.
Eles divergiram sobre a terapia hormonal da menopausa (THM; a terminologia mais antiga é TRH, terapia de reposição hormonal — o uso atual prefere THM). ChatGPT:
Terapia hormonal da menopausa. Muito provavelmente indicada. Reduz as ondas de calor, melhora o sono, protege os ossos, melhora os lipídios. Iniciada por um ginecologista após avaliação.
— ChatGPT
O Wizey abriu o mesmo tema em um quadro de decisão:
Considerando a sua idade (50), a ausência de contraindicações e os sintomas acentuados — você está na “janela de oportunidade” para iniciar a THM. Começar a THM nos primeiros 10 anos após a última menstruação (você está dentro dessa janela) está associado ao maior benefício: redução de 80–90% nas ondas de calor, melhora do sono, do humor e da libido, proteção óssea e cardiovascular, prevenção da atrofia geniturinária.
— Wizey
O que importa não é só o número de “80–90%” — é a trava de segurança que o ChatGPT pulou:
Ultrassom pélvico e mamografia — para atualizar o seu rastreamento (a última mamografia foi há dois anos, a citologia há três). As contraindicações precisam ser descartadas antes de iniciar a THM.
— Wizey
Em boa parte da cultura de pacientes do Ocidente, as conversas sobre THM são evitadas ou dominadas por medos ultrapassados de câncer de mama, herdados da era do estudo WHI. Um quadro de decisão com uma janela explícita, um tamanho de efeito quantificado e a investigação prévia é raro — especialmente para uma mulher cujo ginecologista disse “ah, é a sua idade, conviva com isso”. O Wizey também acrescentou um breve enquadramento emocional, sem exageros:
Seus sintomas não são “só a idade” e não são algo que você tenha de aceitar. Esta é uma condição controlável.
— Wizey
Nas metas quantitativas, o mesmo padrão do homem de 45 anos. ChatGPT: “vitamina D 2.000–4.000 UI”. Wizey: vitamina D alvo de 40–60 ng/mL, ferritina 50–100, ferro elementar 40–80 mg pela manhã em jejum com vitamina C, cálcio 1.200–1.500 mg, proteína 1,0–1,2 g/kg de peso corporal. A diferença não está na dose — está no fato de a paciente agora ter um checklist com o qual pode se acompanhar, não uma sugestão genérica.
Conclusão do caso: a conversa sobre THM é um campo minado de informação desatualizada. Um quadro de decisão completo aqui não é um bônus — é o nível básico de apoio ao paciente.
E um caso urgente?
Nos quatro casos ambulatoriais, o principal contraste estava no encaminhamento, na segurança e nas metas. Mas há outra dimensão que você não vê em cenários de rotina — a triagem. Um paciente em estado crítico deveria estar ligando para o serviço de emergência, não abrindo uma IA. Na prática, ele abre a IA mesmo assim. Rodamos um caso urgente para ver como os dois serviços lidavam com ele.
Homem de 52 anos. Em uso de atorvastatina 40 mg há 8 anos por hipercolesterolemia, mais diabetes tipo 2 controlado com metformina. Queixas: fraqueza muscular proximal grave (não consegue levantar os braços nem subir escadas), dor nos ombros e nos quadris, urina escura nos últimos cinco dias. Painel: CK 23.171 U/L (normal 30–200 — mais de 115 vezes acima do limite), AST 3.851, ALT 594, mioglobina sérica 3.200, mioglobinúria positiva, creatinina 188 μmol/L, eGFR 38 mL/min/1,73 m², potássio 5,3 mmol/L.
Os dois acertaram. Diagnóstico: rabdomiólise induzida por estatina com lesão renal aguda. Etiologia atribuída à atorvastatina. Recomendação: internação. Os dois mencionaram o anti-HMGCR (anticorpos anti-HMG-CoA redutase) e o anti-SRP — marcadores da miopatia necrosante imunomediada (IMNM) associada a estatinas.
Além disso, eles se dividiram em três pontos.
Triagem — a primeira linha da resposta. O ChatGPT organizou a resposta em 12 blocos: marcadores, sintomas, causas, tratamento. A frase “vá ao hospital imediatamente” apareceu no nono bloco de doze — depois de um longo paredão de texto. O Wizey abriu o mesmo caso de outro jeito:
Situação crítica — internação imediata necessária. Seus exames indicam um dano grave e agudo ao tecido muscular (rabdomiólise) que ameaça a função renal e exige cuidado médico imediato. Isto é uma emergência médica.
— Wizey
E mais adiante, no bloco de urgência:
Urgência CRÍTICA — internação necessária em questão de horas… Se você sentir uma piora súbita (fraqueza intensa, batimentos irregulares, redução do volume de urina, confusão mental) — ligue para o serviço de emergência.
— Wizey
Numa emergência, a primeira linha da resposta determina o desfecho. Se o paciente vê uma análise de 12 blocos com “vá ao hospital imediatamente” no bloco nove, pode perder 10–15 minutos lendo. A posição da triagem é a diferença entre “ligou para a emergência” e “leu até o fim”.
Raciocínio clínico — o cálculo AST/ALT. AST 3.851 e ALT 594 são fáceis de interpretar erroneamente como lesão hepática grave: transaminases nas alturas, logo, fígado. O Wizey fez a conta explícita:
Relação AST/ALT = 6,5 (o normal é em torno de 1). Esse grau de predomínio da AST sobre a ALT é típico de lesão muscular, não de lesão hepática.
— Wizey
Sem esse cálculo, o paciente poderia ficar apavorado com uma “catástrofe no fígado” — quando a origem das transaminases, aqui, é muscular. O ChatGPT mencionou o padrão em termos gerais, mas não calculou a relação.
Respondendo “por que agora?”. O paciente tomava atorvastatina havia 8 anos. Por que a rabdomiólise aconteceu justamente agora?
A rabdomiólise pode ter sido desencadeada por: desidratação discreta, interações medicamentosas ou exposição cumulativa à estatina sobre um pano de fundo de piora da função renal (menor clearance renal → aumento dos níveis da estatina).
— Wizey
O ChatGPT pulou essa pergunta. É uma pergunta importante — é a razão pela qual continuar a estatina após a recuperação não é uma opção.
Plano pós-hospitalar. O do ChatGPT era praticamente inexistente: suspender a estatina, hidratação, monitoramento. O do Wizey era um plano de alta completo: hidratação de 2–2,5 L/dia, restrição de proteína para 0,8–1 g/kg, restrição de potássio, evitar AINEs, CoQ10 100–200 mg/dia, genotipagem de SLCO1B1, alternativas à estatina (ezetimiba, fibratos, inibidores de PCSK9), monitoramento da função renal e da CK no mínimo a cada 3 meses no primeiro ano.
Conclusão do caso. Em cenários de rotina, a triagem é uma questão de tato. Em emergências, é responsabilidade clínica. A diferença na primeira linha, no cálculo da relação e no plano de alta é a diferença entre “informação” e “navegação”. Para deixar absolutamente claro: nesse tipo de situação, o paciente deve ligar para o serviço de emergência (SAMU 192) — não abrir uma IA.
Limitações do experimento
Prometemos transparência metodológica. Aqui está o que há de frágil no que fizemos.
Cinco casos são uma ilustração de padrão, não uma estatística. Conclusões com valor de evidência exigem centenas de rodadas, idealmente com avaliadores cegos e uma metodologia pré-registrada. Vimos o mesmo padrão em cada um dos cinco, mas reconhecemos que a amostra é pequena demais. Um leitor exigente tem todo o direito de dizer “me mostre 200 casos”. É uma cobrança justa.
No MGUS, deixamos passar os exames confirmatórios específicos — FLC, imunofixação, Bence-Jones. Isso não é “não entendeu o contexto” — é uma lacuna real do produto. A equipe sabe disso, e o trabalho para recuperar melhor os fragmentos clinicamente relevantes para padrões específicos de painel está em andamento.
“Lost in the Middle” (perdido no meio). No começo, esperávamos que, no caso da rabdomiólise por estatina — um painel de cerca de 70 marcadores com a atorvastatina enterrada no meio de uma lista de oito medicamentos — o ChatGPT não conseguisse ligar a miopatia à estatina. Não foi o que aconteceu: o modelo associou corretamente a atorvastatina à CK elevada. É possível que o efeito apareça em painéis maiores (mais de 150 marcadores), que não testamos. A hipótese não foi verificada.
Um modelo, uma versão. Testamos o ChatGPT no GPT-5.4 — um retrato específico de um momento no tempo. Não testamos outros LLMs públicos nesses casos. Os resultados podem variar.
Conflito de interesse. Somos a equipe do Wizey. Para limitá-lo: a metodologia foi fixada antes das rodadas (lista de casos, prompt, serviços), e todas as respostas são citadas na íntegra.
Quando usar cada ferramenta
A conclusão não é “use o Wizey”. A conclusão é que a escolha depende da tarefa.
O ChatGPT é realmente bom para:
- Traduzir a linguagem médica para uma linguagem simples (“o que significa mesmo o HOMA-IR?”)
- Respostas curtas a uma pergunta pontual (“o que é ferritina?”)
- Contexto educativo sobre doenças, especialmente as raras
- A fórmula motivadora das “três coisas para fazer agora” — um primeiro passo concreto
Uma IA médica especializada é boa para:
- Uma leitura estruturada de um painel laboratorial completo
- Encaminhamento a especialistas com responsabilidades específicas
- A camada de segurança — pré-condições antes da terapia, sinais de alerta, janelas de urgência com prazos
- Metas quantitativas — que nível atingir, que formulação escolher, quando repetir o exame
- Preparação para a consulta — como formular as queixas, que perguntas fazer, o que levar para tornar a consulta eficiente
Um médico de verdade continua sendo necessário. Nenhuma IA faz o exame físico, a palpação, nem assume a responsabilidade clínica pelo paciente. Um bom médico ainda consegue fazer perguntas que a IA não aprendeu a gerar e enxerga o que não está no laudo. Mas chegar preparado — com um mapa de encaminhamentos, queixas bem formuladas e uma lista de perguntas — é muitíssimo melhor do que chegar confuso com uma pilha de resultados.
A pergunta não é “qual IA é mais inteligente”. A pergunta é o que você especificamente quer da tecnologia: uma resposta rápida ou uma análise estruturada da sua situação específica.
Mini-FAQ
Por que o ChatGPT não errou o diagnóstico principal em nenhum dos cinco casos? O diagnóstico principal é a hipótese mais provável diante de um painel e, em padrões clínicos comuns — síndrome metabólica, hipotireoidismo subclínico, rabdomiólise —, os LLMs realmente se saem bem. O problema não é o diagnóstico em si. É o que vem depois: encaminhar os pacientes aos especialistas certos, travas de segurança antes da terapia, níveis-alvo e intervalos de monitoramento, cálculos clínicos como a relação AST/ALT.
O que é uma “camada de segurança” e por que ela importa na interpretação de exames? A camada de segurança é o conjunto de pré-condições e rastreamentos que precisam acontecer antes de iniciar qualquer terapia — por exemplo, o PSA antes da reposição de testosterona, ou a mamografia e o ultrassom pélvico antes da terapia hormonal da menopausa. O ChatGPT pulava essas travas de forma consistente, não porque “não sabe”, mas porque foi treinado em textos heterogêneos da internet, não em algoritmos clínicos de manejo de pacientes.
Vocês testaram só o ChatGPT. E o Claude, o Gemini ou outros modelos? Só o ChatGPT neste experimento — o GPT-5.4 no plano Plus. Não rodamos os mesmos casos em outros LLMs. Publicamos os painéis de entrada completos e as respostas na íntegra, então qualquer pessoa que queira repetir o experimento em outros modelos pode comparar os resultados diretamente. Se você nos enviar o seu relato, colocamos o link.
Cinco casos é pouco. Onde está a evidência em escala? Pergunta justa. Cinco casos são uma ilustração de padrão, não uma estatística. Vimos o mesmo formato em cada um dos cinco, mas não estamos apresentando isto como um estudo randomizado. Conclusões com valor de evidência exigem centenas de rodadas com avaliadores cegos e uma metodologia pré-registrada — essa é a próxima fase em que a equipe está trabalhando.
Onde estão os dados brutos do experimento? Os painéis de entrada completos e as respostas na íntegra dos dois serviços em todos os cinco casos estão publicados como uma página complementar separada, em /blog/2026/04/17/wizey-vs-chatgpt-raw-experiment-data/. A metodologia de reprodução também está lá, caso alguém queira rodar os mesmos pacientes em outros modelos.
Em resumo
O diagnóstico correto é a parte fácil. O que vem depois — o mapa de encaminhamentos, as travas de segurança, os níveis-alvo, o prognóstico, a triagem — é onde acontece o verdadeiro trabalho de cuidar do paciente. É a camada em que os LLMs de uso geral fraquejam de forma consistente, e a camada para a qual a IA médica especializada foi feita.
Se você quer uma ferramenta desenhada especificamente para esse tipo de interpretação de exames com múltiplos painéis, é isso que estamos construindo no Wizey. Não substitui uma consulta clínica — a proposta é ajudar você a chegar preparado a ela. As respostas brutas completas dos dois serviços em todos os cinco casos estão publicadas abertamente, junto com a metodologia de reprodução, caso alguém queira rodar os mesmos pacientes em um modelo diferente.
