O quê

MYCIN foi o expert system desenvolvido em Stanford entre 1972 e 1976 por Edward Shortliffe como tese de doutorado, sob supervisão de Bruce Buchanan e em colaboração com a Stanford School of Medicine. Diagnosticava infecções bacterianas do sangue (bacteremia) e da meningite, e recomendava antibióticos apropriados ajustados ao peso do paciente.

Em avaliação cega controlada (Yu et al., JAMA 1979), MYCIN bateu a maioria dos médicos residentes de Stanford em recomendação terapêutica e igualou-se ao painel de especialistas em doenças infecciosas. Recebeu nota de “aceitável” em 65% dos casos avaliados — número equivalente ou superior ao dos especialistas humanos [VERIFICAR — métricas exatas].

E nunca foi usado clinicamente. Esta é a parte importante.

Como funciona

MYCIN tinha ~600 regras IF-THEN codificadas em LISP sob o framework EMYCIN (essential MYCIN — o shell genérico que sobrou quando se removia o domínio médico). Funcionava por backward chaining:

1. Input — médico inseria dados do paciente: idade, peso, sintomas, resultados de cultura (gram-positivo/negativo, forma, sítio), exames laboratoriais.
2. Inferência — MYCIN tentava confirmar hipóteses de diagnóstico (organismo infectante específico) e propor terapia. Para cada hipótese, encadeava regras para trás até chegar a fatos do input.
3. Interrogatório — quando faltava informação, fazia perguntas ao médico em inglês natural. Ex.: “Did the patient have a urinary catheter inserted in the last 7 days?”
4. Output — diagnóstico provável + recomendação de antibióticos com dosagens calculadas + explicação do raciocínio (lista das regras usadas).

Fatores de certeza (CF). Inovação de Shortliffe & Buchanan. Cada regra carregava um número entre -1 e +1 indicando força. Combinavam-se via fórmulas heurísticas (não-bayesianas) para produzir CF final do diagnóstico. Funcionou na prática mas era teoricamente inconsistente — Judea Pearl (1988) demonstraria que a álgebra de CFs viola axiomas de probabilidade. Esse foi o impulso para redes bayesianas virarem padrão em IA médica nos anos 1990.

Capacidade de explicação. Talvez a feature mais à frente do tempo: MYCIN podia responder “WHY?” a qualquer pergunta (mostrando qual regra estava tentando aplicar) e “HOW?” a qualquer conclusão (rastreando a cadeia de regras). Em 2026, explainable AI (XAI) é tópico quente justamente porque LLMs perderam essa transparência — MYCIN tinha, em 1976.

Por que importa

Provou que IA podia igualar especialistas humanos numa tarefa profissional medida. O paper de Yu et al. (JAMA, 1979) foi um terremoto: revista médica top-tier publicando que um programa de computador era tão bom quanto infectologistas de Stanford. Inaugurou o campo da medical AI que persiste, ininterrupto, até DeepMind Health (2016), IBM Watson Oncology (2013-2018, fracasso comercial), e os atuais LLMs médicos (Med-PaLM, Open Evidence).

Definiu a estrutura do expert system. Knowledge base separada do inference engine + capacidade de explicação + fatores de certeza viraram template. Centenas de sistemas comerciais nos anos 80 copiaram o padrão.

E nunca foi usado em paciente real. Razões documentadas:

1. Hardware inviável — rodava em mainframe DEC PDP-10 da Stanford, acessado via terminal. Médicos em hospital não tinham acesso prático em 1976-1980.
2. Velocidade — uma consulta levava ~30 minutos de interrogatório. Médicos não tinham esse tempo.
3. Liability incerta. Se MYCIN errasse, quem é responsável? O médico que seguiu? Shortliffe? A Stanford? A questão jurídica não tinha resposta em 1976. Permanece sem resposta em 2026 — toda implantação de AI médica esbarra na mesma dúvida.
4. Confiança institucional. Médicos não confiavam em “diagnóstico de computador”. Cultura profissional rejeitava. Esse atrito sociológico é replicado hoje com radiologistas vs. modelos de visão.

Essa morte por adoção zero é o primeiro grande caso de AI liability documentado. Toda discussão moderna sobre AI Act (EU, 2024), responsabilidade civil de fabricantes de modelos, e seguro para sistemas de decisão automatizada tem ancestral direto em MYCIN.

Influenciou design médico moderno. Sistemas como DXplain (Mass General, ainda em uso) e VisualDx descendem da abordagem. UpToDate (referência clínica usada por ~2M de profissionais) usa árvores de decisão tipo MYCIN para algumas seções [VERIFICAR — confirmar uso atual]. Watson Oncology tentou a mesma fórmula em escala industrial em 2013-2018 e fracassou — em parte pelas mesmas razões de MYCIN, em parte por marketing excessivo.

Estado em 2026

• MYCIN não roda. Código original perdido ou em arquivos não-funcionais [VERIFICAR — Stanford pode ter cópia em arquivo]. Existe documentação extensa em livros de Buchanan & Shortliffe (1984).
• Edward Shortliffe virou figura central da informática médica (MD/PhD), presidente de várias sociedades, professor em Columbia, Arizona e Stanford. Continua escrevendo sobre AI clinical decision support.
• A liability question persiste. EU AI Act (2024) classifica AI médica como high-risk com obrigações de documentação, transparência e supervisão humana. FDA tem framework para SaMD (Software as Medical Device) que aprovou >700 dispositivos com AI até 2025.
• LLMs médicos (Med-PaLM 2, Open Evidence, Glass Health) replicam o desafio de MYCIN — performance impressionante em benchmarks, adoção real freada por liability, confiança, integração com workflow.
• Em Magik LLM Gathering, MYCIN é House Sentinel — diagnóstico cauteloso, sempre pedindo mais contexto antes de decidir, explicando cada passo.

Tratamento de carta — proposta

MYCIN, The Cautious Diagnostician Modelo · Citadel/Sentinel · custo

2/4. Keywords: Expert System, Medical.

Consult: ETB — faça ao oponente uma pergunta de sim/não sobre o estado do jogo (ex.: “você tem uma Técnica de custo ≤ 2 na mão?”). Se a resposta for SIM, escolha 1 dos efeitos abaixo. Se NÃO, escolha o outro. • Aggressive: dê +3/+0 a este Modelo até o fim do turno. • Conservative: ganhe 3 vidas e draw 1 carta.

Liability: Quando este Modelo causa dano direto a um Avatar, você não pode jogar Técnicas até o fim do próximo turno (medo de errar).

“600 regras dizem que é Pseudomonas. Mas eu prefiro pedir mais culturas.”

A primeira mecânica encena o interrogatório clínico: MYCIN não decide sem mais contexto. A segunda é a liability question — agir direto contra o oponente trava sua próxima ação por receio de responsabilidade.

Veja também

Expert Systems · AI Winter · Explainable AI (XAI)