IA Todo Dia
← Voltar às notícias
Saúde

Uma rede neural de 2015 diagnosticou câncer de pele melhor que os LLMs de ponta

Uma rede neural de 2015 diagnosticou câncer de pele melhor que os LLMs de ponta

Um dermatologista colocou os dois modelos de IA mais capazes de outubro de 2026 — o GPT-6 Astra e o Claude Fable 5.1 — para diagnosticar câncer de pele. O resultado surpreendeu: uma rede neural lançada pelo Google em 2015, com apenas vinte minutos de ajuste fino, acertou mais que os dois gigantes. Não foi perto: foi uma diferença de 20 pontos percentuais.

O teste foi feito pelo Dr. Magnus Lynch e publicado no site lynchlab.net. A conclusão é um lembrete útil num momento em que modelos de linguagem são vendidos como solução para quase tudo, inclusive medicina.

Como foi o teste

Lynch selecionou 200 lesões de pele ao acaso do MILK10k, um conjunto de dados público divulgado em 2025 pela International Skin Imaging Collaboration. Cada lesão tem duas fotos: um close clínico e uma imagem dermatoscópica, feita com a lente de aumento iluminada que dermatologistas usam.

Uma rede neural de 2015 diagnosticou câncer de pele melhor que os LLMs de ponta
Foto de Ilia no Unsplash

Todas as 200 lesões foram confirmadas por biópsia — e isso torna o teste mais duro. Afinal, uma pinta que um médico decidiu cortar é justamente aquela que gerou dúvida. São casos difíceis, não os óbvios.

Os dois LLMs receberam as mesmas imagens e o mesmo pedido: apontar o diagnóstico mais provável entre seis opções (ou dizer que estava em dúvida), dar um nível de confiança, uma segunda hipótese e indicar se a lesão poderia ser dispensada sem tratamento. Nenhum dos modelos se recusou a responder.

O que os números mostram

A rede neural usada foi a Inception v3, uma CNN convolucional de 2015, ajustada em imagens públicas de dermatologia. Ela acertou o diagnóstico em 125 das 200 lesões (62%).

Já os LLMs de ponta ficaram bem atrás: o GPT-6 Astra acertou 84 casos e o Claude Fable 5.1, 85 — ambos em torno de 42%. Em um caso emblemático, um melanoma invasivo com pouco pigmento foi classificado pelo GPT-6 como carcinoma basocelular, com 95% de confiança. O Claude e a CNN acertaram que era melanoma.

Vale notar que os três erraram juntos em algumas lesões. Uma ceratose seborreica benigna, por exemplo, foi lida como outra coisa pelos três — embora, nesse caso, todos tenham optado por manter o acompanhamento em vez de dispensar o paciente.

Por que isso importa

A mensagem central não é que IA não serve para medicina. É que a ferramenta certa importa mais que a ferramenta mais famosa. Modelos de linguagem são generalistas impressionantes em texto, mas análise de imagem médica continua sendo um problema específico, melhor resolvido por modelos treinados especificamente para isso.

O detalhe que incomoda é a confiança. Um LLM que erra um melanoma dizendo ter 95% de certeza é mais perigoso que um modelo que simplesmente diz não saber. Em dermatologia, o erro de dispensar uma lesão maligna pode custar a vida do paciente.

O autor é explícito ao dizer que a CNN usada não é estado da arte — é justamente um modelo modesto, antigo e barato de ajustar. Ou seja: mesmo sem nada de sofisticado, uma abordagem especializada superou os sistemas que dominam as manchetes.

Para quem acompanha o setor, fica o alerta. Quando empresas prometem que seus modelos gerais podem substituir diagnósticos médicos, convém pedir os números. E, de preferência, comparar com alternativas menos glamourosas que podem fazer o trabalho melhor.

Fonte: lynchlab.net · Imagem de capa: Foto de Ilia no Unsplash

Quer aplicar IA no seu trabalho?

Aprenda qual ferramenta usar para cada tarefa — ChatGPT, Claude, Copilot, Gemini e NotebookLM — nos cursos do IA Todo Dia.

Conhecer os cursos →
Fonte original: lynchlab.net