Inteligência artificial, sem ruído.
Modelos e LLMs2 min

NV-Reason-CT: NVIDIA libera modelo aberto para analisar tomografias 3D com raciocínio de radiologista

NVIDIA libera modelo aberto de visão-linguagem para análise 3D de tomografias com raciocínio em cadeia que emula o radiologista.

NV-Reason-CT: NVIDIA libera modelo aberto para analisar tomografias 3D com raciocínio de radiologista

A NVIDIA apresentou o NV-Reason-CT, um modelo de visão-linguagem (VLM) aberto e especializado em análise de tomografias computadorizadas (CT) em 3D. O objetivo é levar o raciocínio em cadeia (chain-of-thought) — a técnica que permite ao modelo “pensar” passo a passo — para o volume completo de imagens tomográficas, emulando o raciocínio de um radiologista.

Por que a TC 3D ainda é um desafio

A IA em radiologia avançou muito na detecção de anomalias em raios-X de tórax, lâminas de patologia e exames 2D. Mas a tomografia 3D — uma das modalidades mais ricas e densas em dados — continua mal atendida pelos VLMs atuais. Um único estudo de TC abdominal pode ter de 300 a 600 cortes axiais, codificando contexto anatômico em três dimensões que um codificador 2D simplesmente não consegue reconstruir tratando os cortes de forma independente.

Os modelos generalistas de ponta têm desempenho ruim em imagens volumétricas, e a maioria dos modelos médicos abertos não tem a profundidade conversacional necessária para que radiologistas confiem e verifiquem os achados gerados por IA.

Como o NV-Reason-CT funciona

O NV-Reason-CT combina um Vision Transformer (ViT) 3D dedicado com um modelo de linguagem treinado para gerar raciocínio em cadeia que espelha como radiologistas analisam volumes de TC. Diferentemente das abordagens que adaptam codificadores 2D tratando os cortes isoladamente, ele processa o volume como uma entrada 3D de verdade — preservando a continuidade anatômica entre planos.

A arquitetura combina o LLM Qwen3.5-4B com o ViT 3D (Primus/Colipri), com todos os pesos retreinados de ponta a ponta em uma grande coorte de dados de TC, incluindo relatórios estruturados, trilhas de raciocínio e perguntas e respostas multi-etapas. O modelo gera relatórios diagnósticos estruturados e suporta conversas de acompanhamento em múltiplas etapas para tórax e abdômen.

O NV-Reason-CT se baseia na metodologia de raciocínio do NV-Reason-CXR, validada em um estudo clínico com múltiplos leitores aceito na RSNA 2026, que confirmou economia de tempo dos radiologistas mantendo a precisão diagnóstica.

Limitações importantes

Vale reforçar: o NV-Reason-CT é uma base aberta de pesquisa e desenvolvimento — não é um sistema autônomo de diagnóstico nem um produto clínico aprovado. Trata-se de um modelo de fundação para pesquisadores e desenvolvedores que constroem aplicações especializadas de análise de TC, para pós-treinamento em cada caso de uso.


Descubra mais sobre noticiAI

Assine para receber nossas notícias mais recentes por e-mail.

R
Sobre o autorRedação Noticiai

Equipe editorial dedicada a explicar inteligência artificial com clareza, independência e contexto.