
Chat de IA médica do Dr7.ai
Descubra o poder do BioGPT, o modelo de linguagem biomédico de ponta da Microsoft, desenvolvido para o processamento de textos médicos, a análise de literatura e uma ampla gama de tarefas de processamento de linguagem natural (PLN) na área biomédica.
Conheça o modelo de linguagem biomédico avançado da Microsoft para o processamento e a análise de textos médicos
Conheça a IA biomédica
Tem um exame de laboratório, raio-X ou foto da pele? Receba uma análise completa por IA.
Enviar imagemTenha acesso ilimitado ao modelo de linguagem biomédico avançado da Microsoft, com recursos aprimorados, suporte prioritário e capacidades completas de processamento de textos biomédicos.
BioGPT é um Transformer generativo pré-treinado para textos biomédicos, desenvolvido pela Microsoft Research (Luo et al., Briefings in Bioinformatics, 2022). Ele usa a arquitetura GPT-2 medium (24 camadas, dimensão oculta de 1024 e 16 cabeças de atenção), com 347 milhões de parâmetros e um vocabulário próprio aprendido a partir de textos biomédicos. Você também pode encontrá-lo escrito como Bio GPT, BioGPT AI ou Microsoft BioGPT; a versão maior se chama BioGPT-Large.
O BioGPT apresenta desempenho superior em tarefas de geração de texto biomédico, resposta a perguntas e análise de literatura. Ele foi treinado com milhões de artigos biomédicos e textos clínicos para compreender a terminologia e os conceitos médicos.
A versão ampliada, BioGPT-Large (1.5B parâmetros, arquitetura GPT-2 XL), alcança 81.0% de acurácia no PubMedQA após o ajuste fino. O código e os pesos têm licença MIT; o repositório oficial no GitHub tem cerca de 4.5k estrelas (outubro de 2026), e os modelos estão publicados no Hugging Face como microsoft/biogpt, microsoft/BioGPT-Large e microsoft/BioGPT-Large-PubMedQA.
Lançado pela Microsoft Research em outubro de 2022 (arXiv 2210.10341)
Os pesos no Hugging Face foram atualizados pela última vez em fevereiro de 2023; desde então, nenhuma nova versão do BioGPT foi publicada no repositório oficial.
Para que o modelo foi projetado e avaliado
Resultados após ajuste fino publicados pela Microsoft no artigo do BioGPT (Luo et al., 2022) — não medidos pelo Dr7.ai
Gere descrições de termos biomédicos no estilo da literatura científica e extraia entidades e relações dos resumos do PubMed.
Faça o ajuste fino para responder perguntas sobre resumos de pesquisa (PubMedQA). É um modelo de pesquisa, não uma ferramenta de apoio à decisão clínica.
Extraia interações fármaco–alvo e fármaco–fármaco da literatura publicada para apoiar a curadoria de dados e a geração de hipóteses.
Execute o BioGPT da Microsoft com Hugging Face ou localmente, ou experimente o chat de IA biomédica próprio do Dr7.
Os Spaces de demonstração do Hugging Face indicados no README oficial da Microsoft (geração de texto com o BioGPT-Large e resposta a perguntas do PubMedQA) apresentavam erro de execução quando verificamos em 20 de outubro de 2026, então hoje não há nenhuma demo oficial online funcionando. Você pode testar grátis o chat biomédico desta página (o assistente próprio do Dr7.ai, não o checkpoint original) ou rodar o modelo por conta própria, como mostrado abaixo.
O BioGPT está integrado à biblioteca transformers do Hugging Face. Instale transformers, torch e sacremoses (exigido pelo BioGptTokenizer) e carregue o modelo:
# pip install transformers torch sacremoses
from transformers import BioGptTokenizer, BioGptForCausalLM, pipeline
tokenizer = BioGptTokenizer.from_pretrained("microsoft/biogpt")
model = BioGptForCausalLM.from_pretrained("microsoft/biogpt")
generator = pipeline("text-generation", model=model, tokenizer=tokenizer)
print(generator("COVID-19 is", max_new_tokens=40)[0]["generated_text"])•microsoft/biogpt — modelo base, 347M parâmetros
•microsoft/BioGPT-Large — 1.5B parâmetros (~6.3 GB de pesos em fp32)
•microsoft/BioGPT-Large-PubMedQA — com ajuste fino para PubMedQA
•Troque o ID do modelo no trecho de código para usar os checkpoints maiores
O repositório da Microsoft no GitHub (microsoft/BioGPT) oferece a implementação original em fairseq e checkpoints para download, incluindo modelos com ajuste fino para cada tarefa do artigo.
•Checkpoints com ajuste fino para BC5CDR, KD-DTI, DDI, HoC e PubMedQA
•A configuração original fixa PyTorch 1.12, Python 3.10 e fairseq 0.12
•Requer Moses e fastBPE para a tokenização
•Recomenda-se uma GPU, principalmente para o BioGPT-Large
O BioGPT é um modelo de geração e mineração de texto biomédico: ele continua textos no estilo da literatura científica e tem bom desempenho após um ajuste fino específico, mas não foi treinado para conversar nem para interpretar seus sintomas, exames laboratoriais ou imagens. Para obter um relatório de IA estruturado sobre sintomas, um exame laboratorial ou uma imagem médica, use a ferramenta de diagnóstico médico com IA do Dr7.ai.
Abrir o diagnóstico médico com IAOs resultados do BioGPT devem ser validados por especialistas da área, sobretudo em aplicações clínicas ou de pesquisa.
Considere fazer o ajuste fino do BioGPT para o seu domínio ou tarefa biomédica específica para obter o melhor desempenho.
BioGPT, BioGPT-Large, BioMedLM, PubMedBERT e PMC-LLaMA lado a lado
| Modelo | Parâmetros | Corpus de treinamento | Licença | PubMedQA (acurácia) |
|---|---|---|---|---|
| BioGPT | 347M | 15M títulos + resumos do PubMed | MIT | 78.2% |
| BioGPT-Large | 1.5B | PubMed | MIT | 81.0% |
| BioMedLM | 2.7B | Resumos e artigos completos do PubMed (do The Pile) | BigScience BLOOM RAIL 1.0 | 74.4% |
| PubMedBERT | ~110M (BERT-base) | Resumos do PubMed (uma variante inclui texto completo do PubMed Central) | MIT | 55.8% |
| PMC-LLaMA 13B | 13B | LLaMA-13B + 4.8M artigos biomédicos + 30K livros-texto de medicina | OpenRAIL (cartão do Hugging Face); baseado no LLaMA | 77.9% |
As pontuações vêm do artigo de cada modelo (PubMedBERT, da comparação no artigo do BioGPT), em configurações diferentes — ajuste fino vs ajuste por instruções —, então considere-as indicativas, e não uma comparação direta.
Dúvidas comuns sobre o BioGPT
Sim. A Microsoft lançou o código e os pesos do BioGPT sob a licença MIT, que também cobre os modelos pré-treinados, então você pode baixar e rodar o BioGPT e o BioGPT-Large gratuitamente, inclusive para uso comercial. Rodar por conta própria custa apenas o seu próprio poder computacional.
Não por meio de um serviço oficial hospedado. A Microsoft não oferece nenhum aplicativo BioGPT hospedado, e os Spaces de demonstração do Hugging Face indicados no README apresentavam erro de execução na verificação de 20 de outubro de 2026. Você pode rodar o modelo por conta própria pelo Hugging Face ou testar o chat biomédico desta página, que é o assistente próprio do Dr7.ai, e não o checkpoint original do BioGPT.
Eles fazem trabalhos diferentes. O BioGPT é um modelo pequeno (347M; 1.5B no BioGPT-Large), pré-treinado apenas com resumos do PubMed e pensado para ajuste fino em tarefas específicas, como extração de relações, PubMedQA ou classificação de documentos; ele roda no seu próprio hardware. Não foi ajustado por instruções para conversar. O ChatGPT é um assistente conversacional de uso geral, muito melhor em seguir instruções e explicar, mas não é especializado nem pode passar por ajuste fino localmente da mesma forma.
Instale transformers, torch e sacremoses; depois carregue BioGptTokenizer e BioGptForCausalLM a partir de "microsoft/biogpt" (ou "microsoft/BioGPT-Large") e gere texto, por exemplo com o pipeline text-generation do transformers. O trecho de código na seção "Como usar o BioGPT" acima mostra a versão mínima.
O BioGPT-Large é a versão ampliada do BioGPT, baseada na arquitetura GPT-2 XL, com 1,5 bilhão de parâmetros. Com ajuste fino, alcança 81.0% de acurácia no PubMedQA (contra 78.2% do BioGPT de 347M); esse modelo ajustado está publicado como microsoft/BioGPT-Large-PubMedQA. Ambos têm licença MIT no Hugging Face.
No artigo do BioGPT, o modelo com ajuste fino obteve F1 de 44.98% no BC5CDR, 38.42% no KD-DTI e 40.76% no DDI em extração de relações de ponta a ponta, 78.2% de acurácia no PubMedQA e F1 de 85.12% na classificação de documentos HoC. São resultados após ajuste fino específico para cada tarefa; ainda assim, as saídas devem ser revisadas por especialistas da área.
O BioGPT é um modelo de pesquisa treinado com literatura publicada, não com prontuários clínicos, e não foi validado para o atendimento a pacientes. Ele pode apoiar fluxos de pesquisa, como a mineração da literatura, mas não deve substituir o julgamento clínico nem ser usado para tomar decisões clínicas de forma autônoma.