Pombos identificam câncer de mama com 99% de acerto

Nem a ausência de cor nem a mudança na compreensão das imagens afetou a habilidade das pombas.
[Imagem: Richard Levenson/UC Davis]

Treinamento de pombos

Pombos mostraram-se capazes de identificar tecido canceroso registrado em mamografias e imagens digitalizadas.

Segundo a equipe do professor Richard Levenson, da Universidade da Califórnia em Davis (EUA), os pombos (Columba livia) são capazes de distinguir entre tecido saudável e tecido canceroso com um índice de acerto de 99%.

Em um dos experimentos, a equipe apresentou 144 imagens em preto e branco e em cores a oito pombos. Após cada imagem, a ave deveria bicar em uma porção azul ou amarela de uma tela para indicar a qual categoria o tecido pertencia - saudável ou doente.

Cada acerto foi recompensado com comida. No caso de erro, os animais seguiam vendo imagens. Em duas semanas, a precisão aumentou de 50% a 85%. Para evitar que as aves pudessem identificar as imagens por memorização, foram intercaladas novas imagens não vistas anteriormente.

E, em conjunto, os pombos parecem trabalhar melhor: quando as imagens eram mostradas a um grupo de quatro animais, o acerto chegou a 99%.

Microcalcificações

O segundo experimento, para identificação de microcalcificações, que são geralmente associadas à presença de câncer, também mostrou elevado índice de acerto (84%).

Nem a ausência de cor nem a mudança na compreensão das imagens afetou a habilidade das pombas.

O único teste que mostrou resultados menos animadores foi um no qual os animais deveriam identificar massas suspeitas nas mamografias: conseguiram detectar sua presença, mas não determinaram se eram benignas ou malignas.

Há de se reconhecer, no entanto, que esta é uma tarefa extremamente difícil, inclusive para radiologistas com muita experiência.

Pombos no consultório

Apesar disso, o talento recém-descoberto dos pombos não significa que eles poderão substituir os radiologistas.

Contudo, as aves poderão ser usadas para ajudar os engenheiros a desenvolver e testar novas técnicas de análises médicas por imagens - e, eventualmente, poderão ajudar no treinamento de novos radiologistas.