IA identifica lesões ovarianas com 97% de precisão exigindo menos anotação manual

Uma abordagem de IA guiada por lesões registrou alta precisão na classificação de imagens de ultrassom ovariano, exigindo muito menos marcação detalhada do que métodos baseados em contornos pixel a pixel. É o que aponta um preprint publicado no arXiv em 26 de agosto de 2026.

O que o estudo testou

O melhor resultado veio de um modelo chamado MaxViT-Tiny, que atingiu 93,10% de precisão no conjunto MMOTU e 97,56% no conjunto OUD, ambos com AUC de 0,99. A análise cobriu 1.729 imagens de ultrassom de 507 pacientes.

Os pesquisadores compararam quatro formas de apresentar as imagens ao sistema de IA: o exame completo, uma região de interesse guiada pela lesão, o contorno da lesão desenhado por especialista e a radiômica (extração de características numéricas) derivada do contorno. Na parte de aprendizado profundo foram usados MaxViT-Tiny, Swin Transformer, EfficientNet-B7 e ResNet18.

A troca entre detalhe e desempenho

Os sistemas baseados em contorno tiveram desempenho semelhante — 91,81% de precisão no MMOTU e 95,12% no OUD, com AUC de 0,99. Mas exigiam um esforço de anotação muito maior. O estudo não quantificou o tempo de trabalho envolvido, mas os autores defendem que a IA guiada por lesão oferece o equilíbrio mais prático entre desempenho e esforço necessário para localizar uma lesão.

Uma comparação adicional reforça o ponto: o ResNet18 marcou 85,37% de precisão quando recebeu a imagem global e 92,68% quando recebeu a região guiada pela lesão — uma melhora de 7,31 pontos percentuais.

O que ainda falta

O trabalho tem limitações relevantes. No MMOTU, a divisão de validação e teste foi feita imagem por imagem, porque os identificadores dos pacientes não estavam disponíveis — o que impediu verificar a independência entre as partições. Os dados são retrospectivos e apenas de ultrassom B-mode público, e não houve teste clínico prospectivo, multicêntrico ou externo.

Os autores são claros: dados clínicos heterogêneos, modalidades adicionais de ultrassom e os requisitos computacionais de implantação ainda precisam ser avaliados antes de qualquer uso clínico. Ainda assim, para triagem e apoio à interpretação de exames ginecológicos — área com demanda crescente no Brasil — a direção é promissora.