PrET: A Inteligência Artificial que Detecta o Câncer Melhor que Médicos Especialistas
- há 4 dias
- 2 min de leitura
Um sistema de inteligência artificial capaz de identificar o câncer em imagens de tecidos com mais precisão do que médicos especialistas — e sem precisar ser treinado do zero para cada novo tipo de tumor. Isso é o PrET, publicado em abril de 2026 na revista Nature Cancer.
A inteligência artificial tem caminhado junto com a oncologia na transformação do diagnóstico. Agora, pesquisadores de Hong Kong, China e Estados Unidos apresentaram o PRET — sigla para Pan-cancer Recognition without Example Training —, um sistema de IA que reconhece diferentes tipos de câncer em lâminas histológicas sem precisar ser "ensinado" com milhares de casos de cada tumor.
O que é o PRET? Para o público leigo, pense no PRET como um médico virtual que, ao ver apenas alguns exemplos de um tipo de câncer, já consegue reconhecê-lo em novos pacientes — mesmo que nunca tenha "estudado" aquele tumor antes. Do ponto de vista técnico, trata-se de um modelo few-shot aplicado a whole-slide images (WSI), com arquitetura que permite generalização cross-domain sem necessidade de fine-tuning.
Como foi testado? O sistema foi avaliado em 23 benchmarks internacionais, com 4.484 imagens de lâminas inteiras provenientes de diferentes hospitais e países. Os resultados foram expressivos:
Mais de 97% de AUC (área sob a curva ROC — medida de precisão diagnóstica) em 15 dos 23 benchmarks testados.
Superou 11 patologistas humanos na detecção de metástases em linfonodos, usando apenas 8 exemplos de lâminas.
Desempenho robusto em populações minoritárias e regiões com menos recursos de saúde.
Eficaz em triagem oncológica, subtipagem tumoral e segmentação de tumores.
Por que isso é revolucionário? Os sistemas de IA tradicionais para diagnóstico de câncer exigem grandes volumes de dados rotulados para cada tipo de tumor — um processo caro, demorado e muitas vezes inviável em países com menos recursos. O PRET quebra essa barreira ao operar com pouquíssimos exemplos, sem ajuste fino ou retreinamento, funcionando em diferentes órgãos, hospitais e tarefas.
Para o profissional de saúde: Os benchmarks incluíram tarefas de cancer screening, subtyping tumoral, tumor segmentation e detecção de metástases linfonodais (datasets CAMELYON16 e CAMELYON17). O modelo foi validado em coortes externas e populações sub-representadas, demonstrando robustez e potencial de equidade diagnóstica. O código está disponível no GitHub (github.com/xmed-lab/PRET) e os datasets no HuggingFace.
O que isso significa para os pacientes? Em regiões onde há escassez de patologistas especializados — como em muitas cidades do interior do Brasil —, um sistema como o PRET poderia ser a diferença entre detectar um tumor precocemente ou tardiamente. Diagnóstico precoce continua sendo um dos fatores mais determinantes para a sobrevida no câncer.
Apesar dos resultados promissores, o PRET ainda está em fase de pesquisa. Antes de ser incorporado à prática clínica, precisará passar por validações regulatórias, estudos prospectivos e integração com os fluxos de trabalho dos laboratórios de patologia. A IA não substitui o patologista — ela é uma ferramenta poderosa de apoio à decisão.
Comentários