OpenEvidence lança família de modelos de IA médica com prévia do Darwin

OpenEvidence lançou uma nova família de modelos de busca de IA médica em 3 de setembro de 2026, disponibilizando três modelos de produção gratuitamente para clínicos verificados e abrindo um quarto, que descreve como o mais avançado, para pesquisadores somente mediante inscrição.

Os três modelos de produção recebem o nome de figuras da história da medicina. Osler, que a empresa descreve como seu modelo mais rápido, com cerca de cinco segundos por resposta, é o sucessor do modelo que anteriormente alimentava as respostas da OpenEvidence e torna‑se o padrão da plataforma. Sackett é posicionado como um modelo de busca mais profunda, que leva cerca de 30 segundos por resposta para perguntas que dependem do peso da evidência. Snow, sucessor da funcionalidade OpenEvidence Deep Consult, é o modelo de produção mais profundo, com cerca de cinco minutos por resposta, realizando uma investigação completa da literatura médica antes de gerar um relatório.

Os modelos estão sendo disponibilizados a todos os usuários da OpenEvidence em openevidence.com e nos aplicativos iOS e Android da empresa, permitindo que os clínicos selecionem entre eles por meio de um seletor de modelo na interface. A OpenEvidence afirmou que cada modelo da família segue o mesmo padrão de precisão clínica, sendo a diferença entre eles o tempo de reflexão e a profundidade da busca.

Os homônimos são William Osler, que transferiu o ensino médico da sala de aula para a cabeceira do paciente; David Sackett, lembrado como o pai da medicina baseada em evidências; e John Snow, que rastreou o surto de cólera de 1854 na Broad Street até uma única bomba d’água e ajudou a fundar a epidemiologia moderna.

Darwin em Prévia de Pesquisa

O quarto modelo, Darwin, está em prévia de pesquisa e não será lançado de forma geral. No anúncio, a OpenEvidence descreve o Darwin como o modelo de IA médica mais avançado do mundo e afirma que ele é o primeiro modelo de IA a alcançar pontuação perfeita no MedQA, que a empresa denomina como o principal benchmark totalmente independente de IA médica. A empresa também relata que o Darwin está na vanguarda no MedXpertQA com 72,8 %, no HealthBench Professional com 82,7 % e no NOHARM com 87,2 %, superando os próximos melhores modelos, que ela nomeia como Claude Fable 5 e Gemini 3.7.

O acesso é apenas mediante inscrição. A OpenEvidence afirmou que seu raciocínio está relacionado ao risco de uso dual: um modelo que pode raciocinar na fronteira da virologia, imunologia e genética humana poderia, nas mãos erradas, acelerar trabalhos altamente regulados, como pesquisas relacionadas a armas biológicas e edição germinativa fora da supervisão científica convencional. O acesso atual inclui parceiros institucionais como a National Organization for Rare Disorders, que fornece ao Darwin seus casos mais difíceis, colaboradores de pesquisa e pesquisadores de IA credenciados em instituições acadêmicas que avaliam a precisão e a segurança da IA na medicina clínica. A empresa disse que as capacidades do Darwin serão incorporadas ao Osler, Sackett e Snow à medida que suas salvaguardas forem validadas com esses parceiros.

Metodologia de Benchmark

Em um post técnico complementar, a OpenEvidence detalhou a configuração da avaliação. Para o MedQA, a empresa começou a partir de reanotações feitas por médicos do conjunto de teste de quatro opções com 1.273 questões do benchmark e aplicou critérios de exclusão para informações ausentes, ambiguidade e erros de rotulagem, seguido de uma segunda revisão em agosto de 2026 por três médicos da OpenEvidence que cobriram todas as questões que qualquer modelo avaliado respondeu incorretamente. Isso resultou em um conjunto final de avaliação com 660 questões, que o Darwin respondeu sem erro. A empresa está divulgando suas anotações e as respostas completas do Darwin para os quatro benchmarks.

No MedXpertQA, o Darwin foi avaliado na divisão completa de 2.450 questões de Texto, excluindo o subconjunto multimodal. Para o HealthBench Professional, a empresa utilizou o conjunto de teste publicamente disponível com casos de múltiplas interações excluídos, restando 410 das 525 tarefas, e avaliou as respostas com a configuração LLM‑as‑a‑judge publicada pela Anthropic, usando Claude Opus 4.8 com um orçamento máximo de pensamento de 32.000 tokens. O NOHARM, um benchmark que pontua a frequência e a gravidade de recomendações prejudiciais em casos reais de consulta, foi avaliado com seu pacote oficial de código aberto no subconjunto aberto de 30 casos.

As linhas de base foram executadas como claude-fable-5 com pensamento adaptativo, gpt-5.6-sol com esforço de raciocínio padrão e gemini-3.7-flash com esforço de raciocínio padrão, usando as configurações padrão de API de cada provedor sem ferramentas ou prompts de sistema personalizados. As pontuações do HealthBench Professional foram médias em pelo menos cinco testes independentes por modelo, enquanto os demais conjuntos de dados foram avaliados em uma única passagem, com médias de pontuação relatadas ao longo do texto.

De acordo com o post, a pontuação do Darwin no MedXpertQA fica 7,7 pontos acima da linha de base mais forte, sua pontuação no HealthBench Professional 12,1 pontos acima do próximo melhor modelo, e seu F1 ponderado por gravidade no NOHARM atingiu 0,872 contra 0,740 para a linha de base mais próxima. A empresa reconheceu que a precisão não ponderada do Darwin no NOHARM é inferior a várias linhas de base, explicando que a métrica contabiliza cada recomendação ausente do critério como um falso positivo e que o Darwin está ajustado para oferecer aos médicos o conjunto completo de opções relevantes. Ela relatou a precisão ponderada por gravidade do Darwin como 0,9.

Disponibilidade e Próximos Passos

Osler, Sackett e Snow estão disponíveis com uso ilimitado para todos os clínicos verificados, sem custo. O Darwin está disponível para pesquisadores mediante um processo de inscrição no site da empresa.

A OpenEvidence afirmou que continuará a melhorar, expandir e aumentar o acesso à família de modelos ao longo do tempo, incluindo modelos desenvolvidos para prática especializada, começando por oncologia, radiologia e genética clínica.