A aplicação de grandes modelos visuais-linguísticos pré-treinados para diagnóstico preliminar de placas esbranquiçadas esofágicas em rastreamento em larga escala do câncer de esôfago

Por que essas manchas na garganta importam

Durante exames de rotina do estômago e da garganta, médicos frequentemente observam pequenas manchas brancas dentro do tubo alimentar, o esôfago. A maioria é inofensiva, mas algumas sinalizam câncer precoce que pode ser curado se detectado a tempo. Distinguir essas manchas semelhantes em programas de triagem movimentados é difícil, mesmo para especialistas. Este estudo investiga se um sistema avançado de inteligência artificial (IA) pode ajudar médicos a separar rapidamente as manchas perigosas das inocentes e até descrever em linguagem simples o que encontra.

Manchas brancas comuns com riscos muito diferentes

Placas brancas no esôfago são surpreendentemente comuns: neste grande programa de rastreamento, mais de um em cada cinco pacientes as apresentava. Ainda assim, essas placas podem resultar de problemas bem distintos. Algumas são cânceres esofágicos precoces, aparecendo como áreas levemente elevadas, ásperas e esbranquiçadas que não saem ao serem raspadas. Outras são causadas por infecção fúngica, que forma revestimentos brancos e macios que podem se desprender, revelando tecido cru por baixo. Há também pequenos crescimentos benignos chamados papilomas, ou manchas planas e granuladas conhecidas como acantose glicogênica, ambos geralmente inofensivos e passíveis de acompanhamento simples. Como as opções de tratamento variam de biópsia urgente a observação, acertar esse primeiro julgamento visual é crucial.

Transformando imagens endoscópicas em orientação inteligente

Os pesquisadores construíram um sistema de diagnóstico assistido por computador sobre um poderoso modelo visão-linguagem conhecido como BLIP, originalmente treinado em grandes coleções de imagens e textos. Alimentaram o sistema com 13.922 imagens endoscópicas de mais de 2.000 pacientes, cobrindo as quatro causas principais das placas esbranquiçadas e usando tanto imagens em luz branca padrão quanto um modo de contraste especial chamado narrow-band imaging. Ao contrário de ferramentas anteriores que simplesmente atribuem um rótulo de doença, este sistema faz duas coisas ao mesmo tempo: prevê qual das quatro condições está presente e gera uma breve descrição escrita do que “vê” na imagem, como a localização e a aparência das placas.

Ensinando mais à IA com dados médicos limitados

Coleções de imagens médicas são pequenas em comparação com arquivos fotográficos cotidianos, o que pode limitar o desempenho da IA. Para enfrentar isso, a equipe adicionou módulos especiais de “ruído de incentivo positivo” ao modelo BLIP. Em termos simples, esses módulos criam variações suaves, orientadas por dados, de cada imagem e dos mapas de características internos do modelo, incentivando o sistema a aprender padrões mais robustos sem sobrecarregá‑lo com alterações aleatórias. O modelo foi então refinado para que seu entendimento das imagens se alinhasse de perto com os diagnósticos de especialistas e as descrições em texto fornecidas por endoscopistas experientes.

Superando modelos rivais e especialistas humanos

Nos testes, o novo sistema superou vários modelos de IA focados apenas em imagem em todas as principais métricas de desempenho para as quatro doenças, usando ambos os modos endoscópicos. Também superou um modelo visão-linguagem médico especializado chamado LLaVA-Med na tarefa de gerar palavras-chave diagnósticas precisas dentro de suas descrições textuais. Em uma competição direta de leitura contra quatro endoscopistas—dois seniores e dois juniores—a IA alcançou maior acurácia global na classificação das imagens. O mais marcante foi sua superioridade na detecção de câncer esofágico precoce, especialmente em termos de recall, ou seja, deixou escapar menos casos de câncer mantendo precisão sólida.

O que isso pode significar para check-ups futuros

O estudo sugere que IAs visão-linguagem cuidadosamente adaptadas podem se tornar assistentes valiosos em programas de rastreamento em larga escala. Um sistema assim poderia sinalizar em tempo real placas brancas suspeitas, reduzir cânceres precoces perdidos e poupar muitos pacientes de biópsias desnecessárias, tranquilizando os médicos quando uma lesão aparenta ser benigno com segurança. O trabalho ainda precisa ser testado em vídeos endoscópicos, em tipos mais raros de placas brancas e em múltiplos hospitais, mas aponta para um futuro em que a IA não apenas identifica problemas em imagens médicas, como também explica seu raciocínio em linguagem que apoia decisões clínicas mais rápidas e consistentes.

Citação: Li, Y., Li, X., Zhang, D. et al. The application of pre-trained large visual-language models for preliminary diagnosis of esophageal whitish plaques in large-scale esophageal cancer screening. npj Precis. Onc. 10, 94 (2026). https://doi.org/10.1038/s41698-026-01301-8

Palavras-chave: rastreamento do câncer de esôfago, IA para endoscopia, modelos visão-linguagem, diagnóstico assistido por computador, placas esofágicas esbranquiçadas