Faça as perguntas mais difíceis.

Hoje: autoavaliado em relação à metodologia aberta DSS, publicada na íntegra no WP-001 e no DSS-001, com a derivação da árvore de falhas, suposições e dados complementares públicos para que qualquer pessoa possa refazer os cálculos. E aqui está a parte que projetamos de propósito: nosso próprio padrão exige a auditoria de terceiros nos níveis Gold e Platinum. Criamos uma barreira que devemos superar publicamente, e a auditoria independente está formalmente convidada. Um fornecedor se avaliar por meio de uma métrica secreta é marketing; um fornecedor publicar a métrica e convidar o examinador é um padrão.

Não, e a distinção está impressa no certificado. Ele é deliberadamente bidimensional: arquitetura · probabilidade. O DeepSensi implementa a arquitetura Platinum completa, os cinco pilares no nível mais alto. Probabilisticamente, o seu limite de pior caso derivado de forma conservadora de 3,23×10⁻⁶ atinge a meta de modo de demanda IEC 61508 SIL-4 (<10⁻⁴) com uma margem de aproximadamente 31 vezes; o valor nominal ajustado para causa comum é de 1,6875×10⁻⁷. Os níveis de probabilidade DSS são intencionalmente mais rigorosos do que os do IEC, o que significa que nos avaliamos com mais severidade do que a própria indústria o faria. Poderíamos ter publicado uma tabela em que o nosso pior caso atingisse o topo confortavelmente. Publicamos uma em que isso não acontece, ainda.

Reivindicamos apenas a meta numérica de modo de demanda, e dizemos isso explicitamente nos artigos: é uma analogia de medição, não uma reivindicação de certificação IEC. A metodologia subjacente, análise de árvore de falhas segundo a norma IEC 61025 sobre 23 barreiras independentes com um fator de causa comum justificado, é uma matemática neutra em relação a domínio. A nossa posição é simples: se a aviação e a engenharia nuclear conquistaram metas de confiabilidade quantitativas há cinquenta anos, a disciplina que decide se a sua dor no peito é um estiramento muscular ou uma dissecção merece a mesma gramática.

Em andamento, em público e passível de refutação em cada etapa. Todos os nove artigos são públicos; o suplemento de benchmark (S1) publica dados de entrada, de saída e as análises em nível de caso; a submissão para o NEJM AI está em andamento juntamente com preprints no medRxiv; um estudo prospectivo confirmatório em uma configuração congelada está designado; e uma auditoria de terceiros está convidada. Cada número que publicamos traz seu selo de coorte de desenvolvimento na mesma frase, e não em uma nota de rodapé. Mais uma coisa: o sistema ainda está sendo calibrado, por isso consideramos os números atuais como um piso, não como um teto.

E seria, para um sistema que sempre responde. O arco publicado é de 4,6% → 1,3% → 0,0% em 301 casos, e o mecanismo não é a onisciência, é a disciplina: calibração centrada primeiro na segurança em conjunto com o LIMBO, a recusa estruturada em adivinhar. Em 4,0% dos casos (12 de 301), o sistema se recusou a emitir um veredito diagnóstico e indicou, em vez disso, o que solucionaria o caso. O preço do zero foi de 2,3 segundos adicionais na mediana de deliberação. Resultado da coorte de desenvolvimento, intervalos de confiança publicados, estudo confirmatório designado.

Somente no top-1, com esses tamanhos de amostra, não discutiríamos, e publicamos nossos intervalos de confiança exatamente para que você possa verificar. Mas a alegação nunca foi sobre meio ponto. A alegação é a combinação: precisão no topo do campo além de um limite de segurança de pior caso certificado além de uma taxa de 0,0% de casos críticos perdidos além de uma trilha de auditoria até a última afirmação além de um padrão aberto pelo qual qualquer pessoa pode verificar. Remova qualquer um desses itens de um concorrente e a comparação entrará em colapso. Ninguém mais traz todos eles para a mesma mesa.

Os dados públicos de benchmark já precificam as alternativas. No estudo SDBench da própria Microsoft (Nori et al. 2025, a mesma família de casos NEJM CPC), chegar a um diagnóstico envolveu milhares de dólares em exames solicitados por caso: o o3 teve uma média de US$ 7.850, a melhor configuração MAI-DxO da Microsoft atingiu 85,5% custando US$ 7.184 e os médicos tiveram uma média de US$ 2.963. O protocolo difere, o SDBench solicita testes sequencialmente, de modo que não reivindicamos uma comparação com o mesmo protocolo. Mas a economia é o ponto central: o DeepSensi atinge 86,0% no top-1 apenas a partir do registro do caso, num período de 12 segundos a poucos minutos, e, quando há uma falta genuína de evidências, ele não solicita uma série de testes aleatórios, mas o LIMBO indica o teste único que resolve o problema. O raciocínio em si é executado numa infraestrutura de mercado com um custo computacional que é um erro de arredondamento em comparação com o preço de um único painel de laboratório. O preço de implantação é definido por piloto.

Essa foi a primeira pergunta que nos fizemos, e a defesa é arquitetônica, não cronológica. A barreira de anticontaminação (anti-contamination gate) remove os identificadores, os autores, as datas e as citações de cada caso antes de o raciocínio começar, forçando a inferência a partir da fisiopatologia, e não a lembrança. A lacuna medida conta a história: as linhas de base de modelo único nesses mesmos casos chegam a apenas 39–49% no top-1; já o consilium orquestrado chega a 93,7% no top-3. Se a memorização explicasse o resultado, as linhas de base simples não ficariam quarenta pontos atrás. Além disso, um sistema de checagem (watchdog) da fundamentação verifica se as conclusões decorrem do caso apresentado, e a auditoria completa no nível do caso está publicada no suplemento S1.

A Versão 90 está em produção numa infraestrutura que abrange quatro continentes, e o acesso é deliberadamente restrito: primeiros os pilotos e as parcerias, com Cartas de Intenção (LOIs) em discussão ativa com sistemas de saúde, seguradoras (pagadores) e órgãos de saúde pública. Escolhemos publicar a prova, o padrão e a auditoria antes dos logotipos dos clientes, e não no lugar deles, porque na medicina essa é a ordem honesta. Os anúncios ocorrem após as assinaturas, e não o contrário.

A objeção entende a história exatamente ao contrário. Os avanços da medicina têm vindo repetidamente de uma pessoa contrapondo-se ao consenso institucional: Semmelweis contra a febre puerperal, Fleming ao notar uma única placa contaminada, Marshall ao beber Helicobacter para provar que o sistema estava errado; e a própria web foi o protocolo de um arquiteto antes de se tornar a indústria de todos. Comitês entregam consensos. Arquitetos entregam invenções. Ter apenas uma mente trabalhando não é a desvantagem deste projeto; é a razão pela qual ele existe. A trilha de auditoria aqui atesta: um único arquiteto escreveu o sistema operacional, doze pedidos de patentes pendentes com outros vinte e quatro em preparação, nove artigos científicos e um padrão aberto de certificação, e ele entregou isso operacionalmente, não como um projeto em apresentação de slides (slideware). Há também uma vantagem estrutural que o mero cuidado não pode comprar: uma única mente comandando o processo inteiro de ponta a ponta pode otimizá-lo sem comitês, sistemas herdados ou políticas de fornecedores. A economia do benchmark público mostra o que arquiteturas não otimizadas gastam: no próprio estudo da Microsoft, o custo por diagnóstico chega a milhares de dólares (o3: US$ 7.850; a melhor configuração do MAI-DxO: US$ 7.184 por caso; Nori et al. 2025). A arquitetura do DeepSensi, regida pelo Gomola Framework, que é o padrão de certificação aberto que carrega o nome de seu arquiteto, foi projetada por uma mente que sabia exatamente onde o desperdício estava: o mesmo nível de resultados, a um custo computacional que se aproxima de zero se comparado com o de um único painel laboratorial, sem relaxar um limite de segurança sequer. E a expansão em andamento também é um projeto dele: líderes de parcerias clínicas e representantes regionais sendo integrados em cinco continentes, e uma plataforma que transforma milhares de médicos em coautores remunerados. Isso não é uma empresa de uma só pessoa corrigindo uma fraqueza. É um arquiteto dimensionando sua arquitetura, de propósito.

Não. O NeuroTokens é uma unidade de conta transparente para o trabalho cognitivo dentro da plataforma: ela mede os custos computacionais e liquida a remuneração dos médicos com precisão de milésimos de centavo. Não há moeda pública, nem especulação, nada para se negociar. E a linha que mais importa: a economia nunca afeta o julgamento clínico. A remuneração é atrelada a resultados, chancelada por auditoria e projetada dentro dos limites de prevenção à propina (anti-kickback limits). O staking de hipóteses (apostas e previsões na precisão) ocorre na camada de pesquisa, não no cuidado a nenhum paciente.

O médico é dono da assinatura e, com ela, tem a responsabilidade de cada caso. Mas nos recusamos a romantizar essa dinâmica: assinatura indica autoridade e não infalibilidade, e, nos casos públicos mais difíceis, os médicos, trabalhando sem auxílio, alcançam 19,9%. Portanto, o DeepSensi foi criado a partir de um contrato mais honesto: ambas as mentes são mensuradas e ambas são auditáveis. O consilium pode contestar o médico no registro; o médico pode anular o consilium no registro; o GCPS pontua o desempenho humano de forma tão objetiva quanto a árvore de falhas restringe o da máquina; e a responsabilidade é dividida por decisão — se foi da IA, do médico ou decorrente de regra — e é sigilada criptograficamente. O paciente obtém o benefício dessa discordância, e o modelo de negócios baseia-se nessa medição, ou seja, onde a expertise é um ativo quantificado e compensado, em vez de uma pressuposição. Isso é algo propositalmente muito diferente de tudo o que se vê na medicina. Postura regulatória: está em conformidade com o HIPAA e o GDPR; arquitetura em alinhamento com a Lei de IA da UE, envio de um pedido de pré-submissão à FDA (Q-Sub) já efetuado; e a implantação acompanha o processo legal aplicável a softwares clínicos de cada jurisdição.

Porque um padrão de segurança protegido por paywall não é um padrão, é um produto. A pegadinha, se você quer encontrar uma, é estratégica e nós a declaramos abertamente: a adoção é o nosso diferencial competitivo (o fosso/moat). Cada hospital que colocar um nível DSS em seu edital de compras, cada seguradora que colocar preços em face de um limite certificado e cada regulador que referenciar o Gomola Framework, todos eles tornarão a nossa métrica mais real, e o DeepSensi é a implementação de referência dessa métrica. Os rivais são bem-vindos para se certificarem por ela. Nós criamos a barreira e temos o prazer de competir em cima dela.