O problema real
Escolher o melhor modelo de IA para uma tarefa de imagem médica costuma exigir dados rotulados no domínio-alvo — algo caro e raro em saúde. Um pré-print do arXiv propõe um método que ranqueia modelos de fundação sem nenhum rótulo no domínio-alvo, usando apenas discrepâncias de pseudo-rótulos.
A pergunta é prática: quando os dados de origem estão rotulados, mas o domínio de destino não, é possível ordenar os modelos candidatos pela performance esperada? A abordagem responde com uma pontuação única, o AURCC, que agrega discrepâncias regionais de pseudo-rótulos do procedimento SUDO.
Como o teste foi feito
O benchmark usou conjuntos filtrados de raios-X de tórax para classificação binária de pneumonia: 37.457 amostras do MIMIC-CXR, 4.770 do NIH ChestX-ray14, 563 do CheXpert e 88.018 do PadChest — este último servindo como domínio-alvo. Seis modelos de fundação foram comparados em dois regimes: zero-shot e MLP-probe, com três contagens de bins de probabilidade (K = 5, 10 e 20).
O que os resultados mostraram
No regime MLP-probe, o AURCC atingiu correlação de Spearman de 0,943 em todos os cenários e contagens de bins, com p < 0,05 — ou seja, o ranking sem rótulos acompanhou de perto o ranking medido pós-hoc no domínio-alvo. Na comparação com o NIH, o AURCC produziu um ranking melhor que a linha de base baseada apenas em AUC de origem (0,943 contra 0,829).
Em condições de poucos dados rotulados de origem, o AURCC também se destacou: com N=50 amostras, alcançou 0,683 contra 0,605 da AUC de origem no MIMIC, e superou a linha de base em todos os tamanhos testados para NIH e CheXpert.
Uma afirmação estreita, por enquanto
O limite é claro: a avaliação cobriu uma única tarefa binária de pneumonia e um único domínio-alvo (PadChest). A generalização para outras tarefas, modalidades de imagem e cenários multiclasse não foi validada. No regime zero-shot, os resultados foram menos conclusivos — a AUC de origem venceu para MIMIC e NIH, e o AURCC foi melhor para CheXpert. O resultado, portanto, é uma evidência forte para o regime MLP-probe e um quadro misto no zero-shot. O trabalho é um pré-print (arXiv:2608.25810v1, datado de 26 de agosto de 2026) e ainda não passou por revisão por pares.
