IA e os Problemas Difíceis do Mundo · Medicina e descoberta de medicamentos · Nature (computational biology) · 2026-10-23
Aprendizado por transferência sintético-para-real em duas etapas para geração automatizada de laudos de mamografia usando modelos de visão e linguagem
Título original: Two-stage synthetic-to-real transfer learning for automated mammography report generation using vision-language models
O artigo aborda a escassez de dados pareados de mamografia e laudo ao pré-treinar o MedGemma-4B com laudos sintéticos construídos a partir de anotações BI-RADS e, em seguida, ajustá-lo com 407 laudos reais. Uma avaliação controlada e pré-registrada constatou que o ganho aparente decorria da capacidade desigual dos adaptadores; com capacidade equivalente, os dois esquemas de treinamento tiveram desempenho equivalente. A concordância diagnóstica nunca ultrapassou κ = 0,14, o que sugere que a acurácia diagnóstica, e não a fluência, é o principal obstáculo para laudos clinicamente úteis.