Uma IA de patologia empatou detectores de câncer aprovados pela FDA

A patologia computacional tem sido muito boa em codificar tiles e menos boa na coisa que o patologista de fato assina: a lâmina inteira, o espécime, o laudo. Em 31 de julho de 2026, a Nature Medicine publicou o PRISM2, um modelo de fundação em nível de lâmina da Paige.AI com Microsoft Research, Memorial Sloan Kettering Cancer Center e Yale, treinado em lâminas desidentificadas do MSK licenciadas à Paige. A afirmação que sobrevive às próprias ressalvas dos autores é estreita e grande ao mesmo tempo: com inferência por prompt e sem treino adicional, o PRISM2 empata ou supera três produtos clínicos Paige nos conjuntos de teste para os quais esses produtos foram feitos.

O que aconteceu

Vorontsov, Shaikovski, Casson et al., “End-to-end multimodal pathology foundation model with clinical dialogue,” Nature Medicine (2026). Recebido em 16 de outubro de 2025; aceito em 12 de junho de 2026; publicado / versão de registro em 31 de julho de 2026. Acesso aberto, CC BY 4.0. DOI 10.1038/s41591-026-04521-4.

Dados de treino, citados do paper:

Todas as WSIs são fixadas em formol, incluídas em parafina, H&E, digitalizadas a ×20 / 0,5 micrômetros por pixel em scanners Leica. Os espécimes são internos do MSK e consultas enviadas de fora; todos foram digitalizados e laudados no MSK. Embeddings de tile vêm do Virchow2. Um encoder de lâmina tipo perceiver (541 milhões de parâmetros mais um pooler de 79 milhões) constrói um embedding base. Um adapter estilo LLaVA alimenta 256 latentes no Phi-3 Mini; o estado oculto do token de assistente é o embedding diagnóstico.

A avaliação que sustenta a manchete é pergunta–resposta sim/não por prompt contra três produtos de grau clínico: Paige Prostate (FDA De Novo), Paige Breast (CE-IVD / UKCA) e Paige BLN (FDA Breakthrough; CE-IVD / UKCA). O PRISM2 empata Prostate e Breast e supera o BLN, P < 0,05, nos próprios conjuntos de teste desses produtos, sem treino extra. PRISM e TITAN, os predecessores contrastivos em nível de lâmina, não empatam os produtos clínicos nesse regime.

Linear probing no embedding diagnóstico, detecção pan-câncer: PRISM2 AUC 0,967, versus base do PRISM2 0,956, PRISM 0,947, TITAN 0,931. A queda em cânceres raros é modesta (0,967 → 0,957). Estadiamento de linfonodo CAMELYON17, κ ponderado quadrático: diagnóstico PRISM2 0,881, base 0,888, versus PRISM 0,852, TITAN 0,641 (P < 0,05). Ajuste fino de sobrevida em 225.597 casos / quase 100 mil pacientes (69.114 eventos de morte). C-index de sobrevida livre de recorrência colorretal no MSK: embeddings de sobrevida do PRISM2 0,809 versus um especialista de sobrevida treinado do zero 0,773.

Uma revisão de patologista de 50 espécimes retidos coloca o erro do modelo em 7–11% na pergunta–resposta, mais alto em resumos diagnósticos em texto livre (alucinações e omissões). Os dados de treino de sim/não complementares tiveram 18% de erro na verdade de base, porque o pipeline assume que achados não mencionados estão ausentes.

Os autores dizem que o objetivo não é implantar um agente conversacional. O diálogo de turno único é um sinal de supervisão para representações em nível de lâmina. Inferência por prompt não é zero-shot: as indicações foram vistas no treino. Os pesos são CC-BY-NC-ND; não para uso clínico.

Por que importa

Empatar um detector de próstata FDA De Novo sem uma segunda corrida de treino é um resultado de escala, não um resultado de via assistencial. O avanço é representação de lâmina inteira supervisionada por linguagem neste tamanho de corpus (2,3 milhões de lâminas), e um embedding duplo que deixa tarefas diagnósticas no modelo de linguagem enquanto biomarcador e sobrevida ficam com o vetor base.

O que não é: um ensaio prospectivo de leitor; um estudo randomizado de desfecho; um modelo provado em scanners que não os Leica do MSK; um chatbot para o sign-out. O paper é explícito em cada um desses pontos. Ruído de 18 por cento nas perguntas complementares é um limite de dados, não um arredondamento. Todas as lâminas de treino foram digitalizadas num só centro mesmo quando o tecido veio de fora. Robustez a outros scanners está por provar.

Para um leitor do Good Signal o progresso é que um modelo de fundação finalmente sentou nos mesmos conjuntos de teste que produtos que já têm marcas regulatórias, e não perdeu. A próxima frase honesta é que esses conjuntos de teste ainda são da Paige, e a distribuição de treino ainda passa pelo MSK.

O que observar a seguir

1. Um estudo prospectivo de leitor num scanner que não seja do MSK. Até lá, não escreva que o PRISM2 está em uso clínico.
2. Pré-treino de biomarcador e sobrevida. Os autores marcam isso como fronteira quando as AUCs diagnósticas saturam. O C-index 0,809 é um fine-tune, não uma habilidade treinada no laudo.
3. Licença e implantação. Pesos CC-BY-NC-ND mais a linha comercial da Paige. Mantenha essas duas portas rotuladas.

Fontes

1. Vorontsov, E. et al. End-to-end multimodal pathology foundation model with clinical dialogue. Nat Med (2026). https://doi.org/10.1038/s41591-026-04521-4