Melhorando a inteligência em saúde no ChatGPT

A saúde é uma das formas mais significativas pelas quais as pessoas usam o ChatGPT. Toda semana, mais de 230 milhões de pessoas recorrem ao ChatGPT para obter ajuda com dúvidas sobre saúde e bem-estar: entender informações de saúde, interpretar resultados de exames, preparar-se para consultas, lidar com seguros, criar hábitos mais saudáveis e descobrir o que perguntar em seguida.

Com o GPT‑5.5 Instant, vemos um avanço substancial em como o modelo lida com perguntas de saúde, com melhorias para reconhecer quando pode ser necessário atendimento urgente, pedir contexto relevante, explicar incertezas e tornar informações complexas mais fáceis de entender. Em nossas avaliações de saúde mais desafiadoras, o GPT‑5.5 Instant agora tem desempenho comparável ao dos nossos modelos Thinking de fronteira. Como ele está disponível para usuários gratuitos no ChatGPT, mais pessoas podem se beneficiar dessas melhorias. Isso pode significar informações de saúde mais fáceis de entender, perguntas melhores a fazer e próximos passos claros.

Esse progresso reflete tanto avanços nas capacidades dos modelos quanto o trabalho liderado por médicos por trás de nossas avaliações de saúde. Em nossos esforços, uma rede global de médicos ajuda a definir o que é “bom” em situações reais de saúde, revisando exemplos de respostas do modelo, descrevendo o comportamento ideal e identificando modos de falha. Trabalhar com médicos nos dá uma forma de medir o progresso em saúde e melhorar a maneira como o ChatGPT responde ao longo do tempo.

Em saúde, progresso significa fornecer respostas precisas, compreensíveis e fundamentadas em bom julgamento: reconhecer quando é preciso mais contexto, explicar incertezas sem exagerar a confiança e ajudar as pessoas a entender quando procurar atendimento.

Para medir esse progresso, usamos avaliações específicas de saúde, incluindo HealthBench e HealthBench Professional. Essas avaliações usam conversas de saúde realistas e rubricas escritas por médicos para avaliar qualidades como precisão, segurança, comunicação, consciência de contexto, completude e encaminhamento adequado.

Como outra comparação, também pedimos a médicos que escrevessem respostas para conversas de saúde representativas, com tempo ilimitado e acesso à internet (mas não a AI). Em seguida, um painel separado de médicos comparou essas respostas escritas por médicos com modelos Instant ao longo do tempo, analisando qualidades importantes em interações reais, incluindo precisão, comunicação, completude, cumprimento de instruções e utilidade para decisões de saúde, em 3.500 respostas revisadas.

Os médicos avaliaram que as respostas do GPT‑5.5 Instant tinham menos modos de falha do que as de modelos mais antigos e de médicos. Por exemplo, o GPT 5.5 Instant teve menos casos de falta de adaptação ao contexto local de saúde, de não identificar sinais de alerta ou necessidade de encaminhamento para atendimento, ou de não buscar contexto adicional do usuário quando necessário, em comparação tanto com modelos mais antigos quanto com médicos.

Dada a escala de uso dos nossos modelos em saúde, outra forma de entender melhorias recentes no modelo é medir o tráfego de produção. Usamos monitores que preservam a privacidade no tráfego de produção para acompanhar possíveis problemas de factualidade em respostas de saúde. Com base em uma comparação do tráfego recente de produção em saúde — bilhões de mensagens por semana —, a taxa de respostas com pelo menos um problema de factualidade sinalizado caiu 71% nos últimos dois meses.

Comparar respostas de modelos em diferentes momentos a perguntas reais de saúde mostra como o ChatGPT melhorou em aspectos importantes para a saúde: reconhecer quando uma situação pode exigir atenção urgente, lidar com incertezas com melhor julgamento e oferecer orientações mais claras e úteis sobre o que fazer a seguir.

Esse progresso é moldado por médicos que nos ajudam a definir, medir e melhorar respostas de saúde no ChatGPT. 

A OpenAI trabalha com uma rede global de mais de 260 médicos em 60 países, 49 idiomas e 26 especialidades médicas. O feedback deles orienta como o ChatGPT responde a perguntas de saúde em uma ampla variedade de cenários, desde dúvidas cotidianas de bem-estar até situações clínicas mais complexas.

Os médicos revisam exemplos de respostas do modelo e avaliam se elas são precisas, claras, completas, adequadamente cautelosas e úteis. Eles ajudam a identificar onde uma resposta pode deixar passar contexto importante, soar confiante demais, precisar ser mais clara sobre os próximos passos ou incentivar mais diretamente alguém a procurar atendimento médico.

Até hoje, médicos revisaram mais de 700.000 exemplos de respostas do modelo que refletem como clínicos e pacientes podem usar o ChatGPT no mundo real. A cada poucos minutos, um médico revisa uma nova resposta. O feedback deles se transforma em rubricas e critérios de avaliação que ajudam pesquisadores a medir se as respostas são precisas, seguras, claras, completas, adequadamente cautelosas e úteis em situações reais de saúde. Isso nos dá uma forma mais clara de ver onde os modelos estão melhorando e onde ainda precisam evoluir.

Esse trabalho também apoia a atuação mais ampla da OpenAI em saúde, abrangendo ferramentas que ajudam as pessoas a entender e navegar melhor por informações de saúde, bem como ferramentas criadas para clínicos, como ChatGPT para Clínicos⁠ e OpenAI para Saúde⁠, que apoiam profissionais médicos em tarefas como documentação, pesquisa e consulta de cuidado.

Melhorar a saúde humana será um dos impactos mais pessoais e tangíveis da AGI. À medida que nossos modelos continuam melhorando, nosso objetivo é tornar o ChatGPT mais preciso, mais cuidadoso e mais útil nesses momentos — e continuar levando esse progresso a mais pessoas.