Maior nem sempre significa melhor: o papel dos modelos especializados na IA clínica

Nos últimos anos instalou-se uma associação quase automática entre número de parâmetros e capacidade: se um modelo é maior, deveria resolver melhor qualquer problema.

Na inteligência artificial aplicada ao âmbito clínico, essa conclusão é demasiado simples.

Uma consulta médica não representa uma única tarefa de IA. Dentro de um mesmo fluxo podem surgir reconhecimento de voz, identificação de entidades clínicas, deteção de negações, classificação, verificação de evidências, estruturação de informação e, por fim, geração de texto.

Cada problema tem características distintas.

E a evidência disponível aponta que, para algumas dessas tarefas, um modelo treinado especificamente para resolver um problema concreto pode competir com sistemas muito maiores e, em determinadas condições, superá-los.

Especialização versus capacidade geral

Um estudo publicado na Nature Communications por Chen et al. em 2025 comparou quatro grandes modelos de linguagem em doze conjuntos de dados de processamento de linguagem biomédica correspondentes a seis tipos de aplicações.

Os autores verificaram que as abordagens de ajuste fino tradicionais — incluindo modelos das famílias BERT e BART — superavam os grandes modelos utilizados em zero-shot ou few-shot em boa parte das tarefas avaliadas.

A vantagem dos grandes modelos surgia sobretudo quando a tarefa exigia capacidades de raciocínio mais abertas, como determinadas perguntas médicas.

O trabalho documentou também uma questão particularmente relevante para aplicações sensíveis: os sistemas generativos podiam produzir respostas aparentemente convincentes que, no entanto, omitiam informação ou introduziam conteúdo não presente nos dados originais.

Isto não significa que uma abordagem seja universalmente melhor do que outra. Significa que a arquitetura adequada depende do trabalho que lhe é pedido.

Verificar uma afirmação não é o mesmo que redigir uma resposta

Esta diferença observa-se com clareza em tarefas de verificação biomédica.

Num trabalho apresentado no BioNLP Workshop da ACL 2026, Kumar estudou modelos ajustados utilizando apenas 1008 exemplos de treino e comparou-os com grandes modelos proprietários.

No HealthVer, o BioLinkBERT alcançou um macro-F1 de 62,4, face a 53,2 e 42,4 dos dois modelos proprietários avaliados. Um modelo de 7 mil milhões de parâmetros ajustado com QLoRA alcançou 65,2.

No SciFact, o BioLinkBERT obteve 87,5, face a 85,6 e 77,9.

Os números não devem ser lidos como uma classificação universal de modelos. São resultados dentro de conjuntos de dados, configurações e tarefas concretas.

De facto, o próprio trabalho deteta um artefacto estrutural no SciFact que pode favorecer as métricas dos modelos ajustados. Por esse motivo, o HealthVer constitui uma comparação particularmente interessante.

A conclusão importante está noutro ponto: nem sempre é necessário utilizar o sistema de maior dimensão disponível para tomar uma decisão delimitada.

Um filtro rápido antes de uma operação dispendiosa

Abbes et al. estudaram em 2025 outro problema relevante: determinar se a informação contida num documento é suficiente para responder a uma consulta.

Neste tipo de classificação de groundedness, encoders leves como o RoBERTa ou o NomicBERT obtiveram resultados comparáveis aos de modelos muito maiores, mas com uma latência consideravelmente inferior.

A arquitetura que se depreende deste tipo de investigações é interessante: utilizar modelos pequenos e rápidos para filtrar, verificar ou classificar primeiro e reservar os modelos generativos mais dispendiosos para as etapas em que realmente trazem valor.

Em vez de perguntar que modelo consegue fazer tudo, a pergunta passa a ser:

qual é o modelo mais apropriado para cada etapa?

Também não se devem idealizar os modelos pequenos

A evidência não permite concluir que os encoders especializados sejam sempre superiores.

Hu et al. compararam em 2024 modelos BERT com modelos da família LLaMA ajustados por instruções para extração de informação clínica.

Os modelos LLaMA obtinham melhorias moderadas no reconhecimento de entidades e na extração de relações e mostravam uma vantagem maior quando enfrentavam dados não vistos durante o treino.

No entanto, essa melhoria tinha um custo: maiores requisitos computacionais e, em determinadas configurações do estudo, uma execução até 28 vezes mais lenta.

A decisão volta a depender da aplicação.

Precisão, generalização, latência, custo, consumo de memória e capacidade de auditoria fazem parte do mesmo problema de engenharia.

O que implica para uma arquitetura de IA clínica

Esta discussão tem consequências práticas.

Em aplicações clínicas, uma arquitetura não deveria ser concebida em torno do modelo que ocupa mais manchetes, mas em torno de uma sucessão de tarefas claramente avaliáveis.

Um sistema especializado pode ser especialmente interessante quando é necessário:

• extrair informação estruturada;
• detetar determinadas entidades;
• verificar afirmações;
• classificar conteúdo;
• trabalhar com baixa latência;
• reduzir o custo computacional;
• ou executar determinados processos em infraestrutura local.

Os modelos generativos de maior dimensão continuam a ter um papel importante quando a tarefa exige interpretação mais aberta ou geração complexa.

Ambas as abordagens podem coexistir.

A linha que seguimos na Myukura

Na Myukura partimos de uma ideia semelhante: a qualidade de uma aplicação clínica não pode ser medida apenas pelo nome ou pela dimensão do modelo que utiliza.

Importam também a arquitetura que existe em torno do modelo, os mecanismos de verificação, a rastreabilidade dos dados, o tratamento dos erros e a intervenção do profissional.

Por isso desenvolvemos e avaliamos tanto modelos generativos como sistemas mais pequenos e especializados, orientados para diferentes tarefas dentro do fluxo clínico.

Não procuramos que um único modelo faça tudo.

O nosso trabalho consiste em desenvolver uma arquitetura em que cada componente responda a uma função concreta e possa ser avaliado de forma independente antes de ser incorporado num fluxo clínico supervisionado.

O objetivo é combinar precisão, eficiência, rastreabilidade e controlo, selecionando para cada etapa a arquitetura e o nível de especialização mais adequados.