Compartilhar matéria
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.
Leia Mais
- Abelhas demonstram habilidades avançadas de resolução de problemas; assista
- Seu cachorro te entende mais do que você imagina — e a ciência provou
- Robô budista interage com gestos e gera música com inteligência artificial
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.
*Sob supervisão de AR.
TópicosAnimaisAnimalDoençaTreinamento
Conteúdo reproduzido originalmente em: CNN Brasil por anabertolaccini
