IA supera especialistas na deteção do cancro

Em fevereiro de 2025, um estudo publicado na Nature Medicine trouxe um dado que reforçou, com números concretos, algo que já se via a acontecer de forma mais anedótica: um modelo de inteligência artificial conseguiu identificar lesões nos ovários a partir de ecografias com uma precisão de 86,3% — superando os 82,6% obtidos por especialistas humanos na mesma tarefa.

O contexto clínico torna este resultado particularmente relevante. O cancro do ovário é o quinto mais fatal entre as mulheres nos EUA, e um dos maiores obstáculos ao tratamento bem-sucedido continua a ser o diagnóstico tardio: quanto mais tempo passa até à deteção, menores as hipóteses de sucesso do tratamento. Segundo o estudo, esta tecnologia poderia acelerar significativamente o processo de diagnóstico e reduzir os diagnósticos errados em até 18%.

Como o modelo foi treinado

O modelo foi treinado com mais de 17 mil imagens de ecografias de pacientes em oito países diferentes — um volume e uma diversidade de dados que ajudam a explicar a sua precisão na deteção de anomalias que, à vista humana e sob pressão de tempo numa consulta, são fáceis de deixar passar. Ainda assim, os próprios autores do estudo sublinhavam que a integração na prática clínica e a validação contínua continuam a ser essenciais para garantir segurança e eficácia — um modelo treinado em condições de investigação não substitui automaticamente o processo de aprovação e acompanhamento que qualquer ferramenta de diagnóstico clínico exige antes de chegar ao consultório.

Um padrão que se repete

Este não foi um caso isolado: meses antes, em setembro de 2024, tínhamos escrito sobre uma história viral em que uma mãe usou o ChatGPT para chegar a um diagnóstico raro que 17 médicos não tinham conseguido identificar. Em ambos os casos, o padrão repete-se: a IA não substitui o julgamento clínico, mas consegue cruzar padrões em volumes de dados que nenhum humano consegue processar sozinho, complementando — nunca substituindo — a decisão do profissional de saúde. Este tipo de avanço ilustra também por que razão a literacia em IA se tornou uma competência transversal, mesmo para quem trabalha fora da área da tecnologia — um tema que já explorámos a propósito das literacia de IA nas empresas.

Casos como este também levantam questões sobre como os sistemas de saúde e os reguladores acompanham esta evolução: a RGPD e Inteligência Artificial: riscos e boas práticas classifica sistemas de IA usados em contexto de diagnóstico médico como de alto risco, sujeitos a requisitos mais exigentes de transparência e supervisão — e o tratamento de dados de saúde por IA está também sujeito às exigências do RGPD. Para quem quer perceber melhor este vocabulário técnico, o dicionário de termos de IA da SuperHumano Academy é um bom ponto de partida.