Pesquisadores do Mass General Brigham, em Boston, nos Estados Unidos, desenvolveram o BrainIAC, um novo modelo de fundação de inteligência artificial voltado para a análise de conjuntos de dados de ressonância magnética cerebral.
A arquitetura é capaz de executar múltiplas tarefas clínicas, como estimar a idade cerebral, prever riscos de demência e detectar mutações em tumores com alta precisão.
Diferente de sistemas convencionais projetados para funções únicas, o BrainIAC utiliza aprendizado autossupervisionado para extrair padrões de dados não rotulados.
Segundo o estudo publicado na Nature Neuroscience, essa abordagem superou modelos específicos de IA, operando com alto desempenho mesmo em cenários de baixa disponibilidade de dados de treinamento .
O sistema foi validado em uma base diversificada de 48.965 exames. “O BrainIAC tem o potencial de acelerar a descoberta de biomarcadores, aprimorar ferramentas de diagnóstico e agilizar a adoção da IA na prática clínica”, afirmou Benjamin Kann, médico do programa de IA na Medicina do Mass General Brigham.
A tecnologia demonstra alta capacidade de generalização ao processar desde tarefas simples de classificação de imagens até diagnósticos moleculares complexos.
“Integrar o BrainIAC aos protocolos de imagem pode ajudar os clínicos a personalizar e melhorar o atendimento ao paciente”, completou Kann.
Autonomia em dados brutos
A capacidade do modelo de aprender diretamente de dados brutos resolve um gargalo tecnológico: a variação estética das imagens capturadas por differentes instituições.
Ao identificar características inerentes aos exames, a ferramenta se adapta a ambientes do mundo real onde os conjuntos de dados anotados são escassos.
O projeto recebeu suporte do Instituto Nacional de Saúde e do Instituto Nacional do Câncer dos Estados Unidos.