Falso negativo

Pílula de Conhecimento

Falso negativo

o erro que não aparece na tela

O “não achei” de uma IA não descarta nada.

Onde ficam os furos — toque numa região

Num estudo publicado em 2026 na BMC Medical Imaging, o GPT-5 recebeu as radiografias de 805 casos de fratura de placa de crescimento confirmada, em crianças de 0 a 12 anos, junto com a idade, a região a olhar e a queixa. Toque numa região para ver quantas fraturas, de cada 100, ele não marcou.

No total, 221 dos 805 casos (27,5%) ficaram sem marcação de fratura na região certa. Contava como acerto qualquer fratura definida ou provável na região certa. O mapa mostra só as três regiões destacadas no resumo do estudo.

Falso negativo:
o erro que ninguém vê

Por que importa na clínica

Pense no erro da IA que o médico vê: o falso positivo, a marcação que sobra, o alerta que ele confere e descarta. O falso negativo é o contrário: nada aparece na tela, e o “sem alterações” tem o mesmo jeito de um exame normal de verdade. Por isso ele é um erro fácil de engolir, e pesa quando o médico usa a IA para dar alta, dispensar um exame ou não chamar o especialista. Na fratura de placa de crescimento (a fise, a cartilagem de onde o osso da criança cresce), a lesão que passa despercebida pode, como lembra a reportagem da Scienmag sobre o estudo, alterar o crescimento do membro.

Como funciona

A analogia. Pense num residente que só fala quando encontra alguma coisa. Quando ele erra para mais, você percebe na hora, porque confere o que ele apontou. Quando ele erra para menos, você só percebe se reler o exame inteiro. Uma IA que devolve “sem fratura” é esse residente calado: o erro dela não deixa marca.

Os termos. A sensibilidade é a proporção dos doentes que a ferramenta marca como doentes. O que falta para chegar a 100% são os falsos negativos. O falso positivo é o erro do outro lado, o “doente” que não tem a doença, e entra na conta da especificidade. A chance de um negativo estar certo (o valor preditivo negativo) depende da sensibilidade, da especificidade e de quantos doentes há no grupo testado.

O estudo. Uma equipe do Ankara Sincan Training and Research Hospital (Turquia) reuniu 805 casos de fratura de fise confirmada em crianças de 0 a 12 anos, de 2025, e mandou cada caso uma vez ao GPT-5, pela API (a porta de acesso de programas ao modelo, e não o aplicativo de conversa), entre março e abril de 2026. Junto com a radiografia anonimizada, o modelo recebia a idade, a região anatômica a olhar e uma queixa ou mecanismo de trauma. O padrão de referência foi a leitura de três ortopedistas, primeiro cada um sozinho e depois em consenso, sem ver a resposta do modelo; nenhum radiologista participou. O artigo diz que os autores não tiveram financiamento e não têm conflito de interesse.

Erginoğlu et al., BMC Medical Imaging (versão aceita, 04/09/2026)

Onde ficaram os furos. Numa comparação secundária, sem ajuste para outros fatores, deixaram de ser marcadas 29,9% das fraturas de Salter-Harris tipo I e II e 17,9% das de tipo III e IV, uma diferença estatisticamente significativa (p = 0,004). Por região, as taxas descritivas de falha foram de 36,9% no cotovelo, 31,2% na tíbia distal e 20,1% no rádio distal. Por idade, 30,0% de 0 a 6 anos e 24,9% de 7 a 12, uma diferença sem significância estatística (p = 0,108). Os autores definiram essas análises antes do estudo e as tratam como geradoras de hipótese.

O falso positivo aparece na tela. O falso negativo só aparece se alguém for procurar.

O desenho que só enxerga um lado. O estudo só tinha crianças com fratura (os autores chamam de “case-only”). Isso mostra os falsos negativos, mas não permite medir a especificidade, os valores preditivos nem a acurácia geral, como os próprios autores escrevem. Também não houve um grupo de médicos lendo os mesmos exames para comparar com o modelo, e por isso o estudo não diz se o modelo erra mais ou menos que o plantonista. A conclusão deles é curta: o negativo do modelo não deve ser usado para descartar a lesão da fise.

E as ferramentas feitas para isso? O GPT-5 é um modelo de linguagem de uso geral que também lê imagens, e não uma ferramenta desenvolvida para detectar fratura. As redes treinadas só para essa tarefa têm números mais altos no papel: uma revisão sistemática com metanálise publicada em 2026 na European Radiology juntou 11 estudos com pacientes de até 21 anos e chegou a 92% de sensibilidade e 90% de especificidade, por radiografia. Os mesmos autores avisam que a maioria dos estudos foi retrospectiva, de um só centro e sem validação externa, e que alguns compararam fraturas confirmadas com controles claramente normais, o que pode inflar a acurácia. Mesmo com 92%, sobram 8 de cada 100 radiografias com fratura sem marcação, na média desses estudos. Os dois números vêm de estudos diferentes, em condições diferentes, e não são uma comparação direta.

A Pílula 3, LLMs vs. Imagem Médica, mostrou chatbots inventando doença renal num rim normal, numa ultrassonografia, e nenhum dos 8 modelos viu o fígado alterado ao lado. Esta pílula trata desse segundo erro: a doença que está lá e não aparece na resposta.

Teste o seu julgamento

Quatro situações de plantão. Escolha a conduta.

Checklist

Material educativo, não parecer jurídico. Os números vêm de um estudo de um só centro, na Turquia, só com crianças com fratura confirmada, sem um grupo de médicos lendo os mesmos exames para comparar. Ele mostra onde o GPT-5 falhou nessas condições; não mede a especificidade nem compara o modelo com o médico. O GPT-5 é um modelo de uso geral, e não uma ferramenta desenvolvida para detectar fratura.

O que não afirmar

Referências

1. Erginoğlu SE, Ülgen NK, Nazlıgül AS, Yiğit N, Akkurt MO. Regional fracture-detection false-negative patterns of a multimodal large language model in confirmed pediatric physeal fractures: a case-only analysis. BMC Medical Imaging, versão aceita, 04/09/2026. doi:10.1186/s12880-026-02771-9.

2. Keating O. GPT-5 Missed More Than a Quarter of Confirmed Pediatric Growth Plate Fractures on X-rays. Scienmag, 19/10/2026.

3. Pervez A, Hasan SU, Norrish AR. Convolutional neural networks in paediatric fracture detection: pooled evidence from a systematic review and meta-analysis. European Radiology, 2026. doi:10.1007/s00330-026-12462-2.

4. Xdiag Tecnologias e ICS. Pílula nº 03: LLMs vs. Imagem Médica.