Duas revoluções se fundindo. A ressonância magnética (RM) foi um avanço gigantesco na saúde, possibilitando, no final do século passado, ver pela primeira vez o cérebro em ação. Esta técnica, que valeu a Peter Mansfield e Paul Lauterbur o Prémio Nobel da Medicina em 2003, abriu uma janela para os segredos do nosso órgão mais misterioso, impulsionando a neurociência para uma nova era.
No entanto, cerca de vinte anos depois, uma nova revolução está a abalar a saúde: a inteligência artificial. Era apenas uma questão de tempo para que estes dois avanços tecnológicos se unissem. Este é o caso agora, graças a uma IA especializada desenvolvida por pesquisadores da Universidade de Michigan, nos Estados Unidos. Sua abordagem, que automatiza a detecção de problemas neurológicos durante ressonâncias magnéticas, foi apresentada em 6 de fevereiro de 2026 na revista Engenharia Biomédica da Natureza.
Uma IA que combina imagens e texto para otimizar a análise cerebral
A IA em questão chama-se Prima. Não é realmente a primeira inteligência artificial para ressonâncias magnéticas, mas é a primeira totalmente autônoma. Anteriormente, outras IAs tinham que ser treinadas com imagens anotadas por especialistas para ensinar o modelo a reconhecer anomalias. Ao contrário do Prima, que funciona mais como modelos de linguagem (LLM), como o ChatGPT, que precisa ser alimentado com muitos dados, mas faz o trabalho de “compreender” esses próprios dados.
E além de analisar imagens de ressonância magnética, o Prima também pode analisar texto, a fim de fazer a ligação entre as imagens do cérebro de um paciente e seu histórico médico para refinar o diagnóstico. “Prima atua como um radiologista, no sentido de que integra as informações médicas e os dados de imagem do paciente para um melhor entendimento de sua saúde.explica o autor do estudo, Samir Harake, em comunicado à imprensa. Isso permite obter melhor desempenho em uma ampla gama de tarefas preditivas.”
A IA diagnostica corretamente os pacientes com uma taxa de sucesso acima de 90%
Os pesquisadores treinaram Prima com dados de mais de 170.000 pacientes que fizeram ressonância magnética de cabeça em seu hospital universitário antes de 2023 (para um total de 5,6 milhões de sequências de ressonância magnética). Cada ressonância magnética estava vinculada a um resumo do laudo radiológico correspondente, permitindo que a IA aprendesse a interpretar as imagens por conta própria. Graças a este treino, Prima conseguiu descrever corretamente as imagens com uma taxa de sucesso de 94%, conseguindo assim diagnosticar 52 anomalias neurológicas, como distúrbios vasculares, inflamações ou mesmo infecções no cérebro.
Depois, os cientistas testaram o Prima com todos os novos pacientes internados no hospital entre junho de 2023 e junho de 2024 (para um total de 29.435 pacientes). A IA conseguiu diagnosticar corretamente cada caso médico com uma taxa de sucesso de 90% apenas com acesso a imagens cerebrais e 92% com imagens e histórico médico do paciente. Para certos casos, esta taxa de diagnóstico foi particularmente elevada: por exemplo, para tumores gliais (que dizem respeito às células gliais, localizadas como neurónios no cérebro), a taxa de sucesso atingiu 99,7%!
Prima melhora o atendimento ao paciente
Esta capacidade de diagnóstico rápido pode ser muito útil para fazer a triagem de pacientes e otimizar a sua jornada médica. Os investigadores demonstraram que o Prima permitiu, de facto, identificar rapidamente os casos mais graves, de forma a priorizar o seu tratamento. E mais, sugeriu corretamente para qual serviço cada paciente deveria ser encaminhado dependendo de sua condição: por exemplo, uma pessoa que sofre de esclerose múltipla (uma doença autoimune) deve ser atendida por um especialista em neuroimunologia.
Porém, o objetivo desta IA não é substituir o médico, apenas apoiá-lo: “Da mesma forma que as ferramentas de IA podem ajudar a escrever um e-mail e dar recomendações, Prima seria um copiloto para interpretar imagens médicastranquiliza o neurocirurgião Todd Hollon, diretor do estudo. Prima é um bom exemplo de integração de modelos de inteligência artificial em sistemas de saúde.” Com a sua equipa, pretende agora fortalecer o seu modelo integrando dados adicionais, como a genética do paciente ou outras informações de saúde, a fim de enriquecer a sua capacidade de diagnóstico e melhorar os cuidados.