Um modelo de IA, vários testes de cancro: conheça PRISM2, o sistema de patologia que lê imagens e relatórios em conjunto

Pontos-chave

• Microsoft Research e Paige, agora parte da Tempus, publicaram detalhes do PRISM2 na Nature Medicine em 2025.
• PRISM2 igualou ou superou ferramentas de IA especializadas na detecção de cancro da próstata, cancro da mama e metástase em gânglios linfáticos da mama em testes de referência.
• O modelo aprendeu com milhões de imagens de tecido emparelhadas e excertos reais de relatórios de patologia, ligando padrões visuais a linguagem clínica.
• Os pesos do modelo completo estão disponíveis publicamente no Hugging Face para uso em investigação não comercial.

Quando um paciente é suspeito de ter cancro, um dos passos mais importantes é uma biópsia: uma pequena amostra de tecido é removida, preparada numa lâmina de vidro e examinada ao microscópio por um patologista, um médico que se especializa em diagnosticar doenças a partir do tecido. O patologista escreve um relatório detalhado, e esse relatório molda quase todas as decisões de tratamento que se seguem.

A IA tem vindo a infiltrar-se neste processo há anos, principalmente sob a forma de ferramentas estreitas e de propósito único, treinadas para identificar um tipo específico de cancro. Pense nelas como assistentes muito rápidos e muito focados que conseguem fazer exatamente um trabalho e nada mais. Constrói um novo trabalho, começa do zero.

PRISM2 é uma tentativa de mudar isso.

O que é que os investigadores construíram realmente?

PRISM2 é um modelo de fundação, um grande sistema de IA treinado amplamente para que possa ser adaptado a muitas tarefas, semelhante em conceito à tecnologia por trás do ChatGPT mas concebido para imagens médicas em vez de conversação geral.

Investigadores do Microsoft Research e da Paige (uma empresa de IA de patologia que entretanto se juntou à Tempus) treinaram o modelo em imagens de lâminas de tecido emparelhadas com linguagem extraída de relatórios reais de patologia. A partir desse emparelhamento, geraram milhões de exemplos de perguntas e respostas, ensinando ao modelo a ligar o que vê numa imagem de tecido às palavras que um patologista usaria para o descrever.

O resultado é um modelo que aceita apenas imagens, ou imagens mais perguntas e instruções digitadas, permitindo aos investigadores interagir com ele em linguagem natural em vez de através de instruções rígidas e pré-programadas.

Qual foi o seu desempenho?

Nos testes de referência padrão, resistiu bem contra ferramentas especializadas. Na detecção de cancro da próstata, detecção de cancro da mama e detecção de cancro da mama que se tinha propagado para gânglios linfáticos próximos, PRISM2 igualou ou superou o desempenho de sistemas especificamente construídos. Crucialmente, isso foi sem treinar um modelo separado para cada doença.

O artigo foi publicado na Nature Medicine. Tal como foi relatado pela primeira vez por Microsoft AI, os pesos completos do modelo estão disponíveis publicamente no Hugging Face para uso em investigação.

O que significa isto para os pacientes?

Nada muda na clínica hoje. PRISM2 é uma ferramenta de investigação, não um produto aprovado para uso clínico. Os patologistas continuam a ser os que leem as lâminas e escrevem os relatórios.

O que oferece é um caminho mais rápido para investigação futura. Equipas que trabalham em cancros raros ou doenças com dados de treino limitados poderiam potencialmente adaptar uma única fundação partilhada em vez de construir um novo sistema do zero. Isto reduz o custo e o tempo de desenvolvimento da próxima geração de auxiliares de diagnóstico.

Para os pacientes, a consequência prática, se a investigação amadurecer, é que a assistência de IA poderia chegar a mais tipos de cancro, em mais hospitais, mais rapidamente do que a abordagem atual de uma doença de cada vez permite.

Perguntas comuns

PRISM2 está a ser usado para diagnosticar pacientes reais?

Não. PRISM2 é um modelo de investigação lançado para uso académico e não comercial. Não foi aprovado por qualquer regulador para diagnóstico clínico.

Por que é que o treino em relatórios de texto é importante para um modelo de leitura de imagens?

A patologia é tanto sobre linguagem quanto sobre imagens. Os patologistas descrevem o que veem em palavras precisas e padronizadas. Treinar o modelo com imagens e essas descrições permite-lhe aprender a ligação entre padrões visuais e significado clínico, tornando-o mais flexível do que um modelo treinado apenas com imagens.

Quem pode aceder a PRISM2?

Os investigadores podem descarregar os pesos do modelo a partir do Hugging Face gratuitamente para uso não comercial.