Um estudo realizado por pesquisadores da College of the Holy Cross e da University of Massachusetts Chan Medical School, nos Estados Unidos, indicou que pombos são animais capazes de entender como anormalidades médicas são detectadas em imagens complexas, como a tomografia computadorizada (TC) de pulmão.
Essa habilidade se baseia em um processo de categorização visual implícita, semelhante ao que especialistas humanos (radiologistas) desenvolvem com o tempo. Os pesquisadores buscaram isolar esses processos implícitos, que em humanos são frequentemente misturados com o conhecimento explícito e verbal, dificultando o estudo puro da percepção visual.
Os pombos foram escolhidos para o experimento por serem considerados “especialistas” em categorizar objetos visualmente, devido ao sistema altamente flexível e preciso desses animais.
Diferentemente de estudos anteriores, que usavam imagens estáticas, este utilizou “filmes” de seções de tomografia computadorizada, exigindo que os pássaros integrassem informações visuais ao longo do espaço e do tempo, simulando como um radiologista “percorre” um exame 3D.
Seis dos oito pombos utilizados no experimento foram treinados para bicar a tela quando viam uma imagem “Anormal” (com nódulo) e não bicar quando a imagem era “Normal” (ou vice-versa, para um grupo de controle), recebendo comida como recompensa.
Uma característica crucial foi testar os pombos com novos exames de pacientes nunca vistos antes. O sucesso nesse teste demonstrou que eles não estavam apenas memorizando imagens específicas, mas criando uma representação mental da categoria “nódulo”.
Surpreendentemente, os pombos conseguiram transferir o conhecimento para detectar outras anormalidades visualmente distintas, como enfisema e nódulos em vidro fosco, sem treinamento adicional. Isso sugere que eles detectaram uma assinatura visual comum de “tecido doente”
O modelo estudado pode ajudar no desenvolvimento de sistemas de Inteligência Artificial mais robustos que detectem múltiplas classes de anormalidades através de características perceptuais compartilhadas.
Conteúdo reproduzido originalmente em: CNN Brasil por anabertolaccini
