Pombos são treinados para detectar câncer em tomografias e surpreendem pesquisadores

Os pesquisadores tinham um objetivo específico: isolar os processos implícitos de percepção visual que, em seres humanos, costumam se misturar com conhecimento explícito e verbal. Essa sobreposição dificulta o estudo puro da capacidade perceptual. Nos pombos, essa interferência simplesmente não existe.

Método inovador com imagens em movimento

O estudo trouxe uma importante diferença em relação a pesquisas anteriores. Em vez de utilizar imagens estáticas, os cientistas apresentaram aos pombos “filmes” com seções de tomografia computadorizada. Essa abordagem exigiu que as aves integrassem informações visuais ao longo do espaço e do tempo, simulando a forma porquê um radiologista percorre um revista 3D na prática clínica.

Seis dos oito pombos utilizados no experimento foram treinados para bicar a tela ao identificar uma imagem “Irregular” (com nódulo) e não bicar quando a imagem era “Normal” — ou o inverso, no caso de um grupo de controle. A recompensa por acertos era comida.

Generalização e transferência de conhecimento

Um vista fundamental do experimento foi testar os pombos com exames de pacientes que eles nunca tinham visto antes. O sucesso nessa lanço comprovou que as aves não estavam simplesmente memorizando imagens específicas. Elas haviam criado uma representação mental da categoria “nódulo”, demonstrando verdadeira capacidade de generalização.

Mais surpreendente ainda: os pombos conseguiram transferir o conhecimento adquirido para detectar outras anormalidades visualmente distintas, porquê enfisema e nódulos em vidro fosco, sem qualquer treinamento suplementar. Esse resultado sugere que as aves foram capazes de identificar uma assinatura visual geral de “tecido doente”.

Implicações para a Lucidez Sintético

Os achados do estudo vão além da curiosidade científica. O protótipo de percepção visual observado nos pombos pode contribuir para o desenvolvimento de sistemas de Lucidez Sintético mais robustos, capazes de detectar múltiplas classes de anormalidades médicas por meio de características perceptuais compartilhadas — alguma coisa que hoje ainda representa um repto para a tecnologia.