Uma Nova Aliada Dos Médicos: A IA Que Detecta Emergências Cerebrais Em Segundos
- 16 de fev.
- 3 min de leitura
Uma nova inteligência artificial chamada Prima consegue analisar ressonâncias magnéticas do cérebro em segundos. Ela identifica doenças neurológicas, reconhece emergências e ajuda médicos a agir mais rápido. A nova tecnologia pode reduzir a sobrecarga dos sistemas de saúde e melhorar significativamente o cuidado com pacientes neurológicos.
A análise de imagens do cérebro, como a ressonância magnética, é essencial para diagnosticar doenças neurológicas. No entanto, o número desses exames cresce a cada ano, o que sobrecarrega hospitais, aumenta o tempo de espera por resultados e deixa médicos exaustos. Esse problema é ainda mais grave em regiões com poucos recursos, onde há menos especialistas disponíveis para interpretar os exames com rapidez.
Para enfrentar esse desafio, pesquisadores da Universidade de Michigan desenvolveram uma inteligência artificial chamada Prima, capaz de analisar exames de ressonância magnética cerebral em apenas alguns segundos.
O sistema foi treinado com uma quantidade enorme de dados reais, incluindo mais de duzentos mil exames, o que permitiu que ele aprendesse padrões gerais e confiáveis sobre o funcionamento e as doenças do cérebro.
O Prima foi testado ao longo de um ano em um grande sistema de saúde, analisando mais de trinta mil exames. Durante esse período, a inteligência artificial conseguiu identificar mais de cinquenta tipos diferentes de distúrbios neurológicos importantes. O desempenho foi impressionante, superando outros sistemas modernos de inteligência artificial e alcançando níveis de precisão muito altos.
Além de apontar possíveis diagnósticos, o Prima também consegue avaliar a gravidade dos casos. Isso significa que ele pode ajudar a identificar rapidamente situações de emergência, como acidentes vasculares cerebrais ou hemorragias no cérebro, que precisam de atendimento imediato. Nesses casos, cada minuto pode fazer diferença entre a vida e a morte ou entre recuperação e sequelas permanentes.
Um dos grandes diferenciais do sistema é sua capacidade de alertar automaticamente os profissionais certos. Se o exame indicar um problema grave, o Prima pode avisar rapidamente um neurologista, um neurocirurgião ou outro especialista adequado, permitindo que o tratamento comece o quanto antes, muitas vezes ainda enquanto o paciente está no hospital.
O funcionamento do Prima se assemelha ao raciocínio de um radiologista experiente. Ele não analisa apenas as imagens isoladamente, mas também considera o histórico clínico do paciente e o motivo pelo qual o exame foi solicitado. Essa combinação de informações ajuda a formar uma visão mais completa da situação de saúde da pessoa examinada.
Diferente de sistemas anteriores, que eram treinados apenas para tarefas específicas, o Prima foi desenvolvido para lidar com uma grande variedade de situações clínicas. Ele aprendeu com milhões de imagens e dados reais acumulados ao longo de anos, o que o torna mais flexível e próximo da prática médica do dia a dia.
Os pesquisadores destacam ainda que o sistema mostrou resultados equilibrados entre diferentes grupos de pacientes, reduzindo o risco de vieses. Isso reforça o potencial do Prima como uma ferramenta confiável para apoiar médicos, melhorar o fluxo de trabalho nos hospitais e tornar o atendimento neurológico mais rápido, preciso e acessível.
READ MORE:
Learning neuroimaging models from health system-scale data
Yiwei Lyu, Samir Harake, Asadur Chowdury, Soumyanil Banerjee, Rachel Gologorsky, Shixuan Liu, Anna-Katharina Meissner, Akshay Rao,
Chenhui Zhao, Akhil Kondepudi, Cheng Jiang, Xinhai Hou, Rushikesh S. Joshi,
Volker Neuschmelting, Ashok Srinivasan, Dawn Kleindorfer, Brian Athey, Vikas Gulani, Aditya Pandey, Honglak Lee, and Todd Hollon
Nature Biomedical Engineering (2026), 118
Abstract:
Neuroimaging is a ubiquitous tool for evaluating patients with neurological diseases. The global demand for magnetic resonance imaging (MRI) studies has risen steadily, placing substantial strain on health systems, prolonging turnaround times and intensifying physician burnout. These challenges disproportionately impact patients in low-resource and rural settings. Here we utilize data from a large academic health system to develop Prima, an AI foundation model for neuroimaging that supports real-world, clinical MRI studies as input. Trained on over 220,000 MRI studies, Prima uses a hierarchical vision architecture that provides general and transferable MRI features. Prima was tested in a 1-year health system-wide study that included 29,431 MRI studies. Across 52 radiologic diagnoses from major neurologic disorders, Prima achieved a mean diagnostic area under the curve (AUC) of 92.0%, outperforming other state-of-the-art general and medical AI models. Prima offers explainable differential diagnoses, worklist priority for radiologists and clinical referral recommendations. Prima demonstrates algorithmic fairness across sensitive groups. These findings highlight the transformative potential of health system-scale AI training and Prima’s role in advancing AI-driven healthcare.
Comentários