PANTHER, do AIRI, foi o mais rápido no FLARE 2026: tomografia em 11 segundos com 4 GB

Encontrar um tumor em uma tomografia de qualquer órgão em 60 segundos, com apenas 4 GB de memória de vídeo, e sem inventar patologia onde ela não existe. Foi assim a primeira tarefa do FLARE 2026, cujos resultados foram anunciados na conferência MICCAI, em Estrasburgo. O PANTHER, modelo da equipe do AIRI que cresceu a partir de um projeto da Escola de Verão do instituto, teve a melhor velocidade entre todos os participantes. O ensemble de cinco redes neurais leva, no fim, cerca de 11 segundos por exame.

Condições rígidas da tarefa

Os organizadores do FLARE montaram um cenário próximo ao de uma clínica real. O modelo precisa lidar com tumores em diferentes órgãos: fígado, rins, pâncreas, pulmões e linfonodos. As imagens chegam de hospitais de várias partes do mundo, ou seja, de tomógrafos, protocolos de aquisição e padrões de qualidade diferentes. É o problema clássico de mudança de domínio: uma rede treinada com dados de uma única clínica costuma perder precisão de forma notável em exames de outras instituições.

Há ainda uma segunda armadilha. Cerca de metade dos casos no fluxo real é de pacientes saudáveis, e para eles a resposta correta é que não há nada. Modelos treinados apenas com patologias tendem a encontrar tumor em qualquer lugar. Em um programa de triagem, isso significa uma avalanche de falsos positivos e perda de confiança dos médicos.

Por fim, há o limite de recursos: 60 segundos por caso e 4 GB de memória de vídeo. Esse hardware existe em praticamente qualquer estação de trabalho, sem precisar de GPUs caras de servidor. Vence não a arquitetura mais pesada, e sim a que é precisa e cabe no orçamento.

O que se sabe sobre a solução do AIRI

O detalhamento técnico completo foi publicado no Habr; no anúncio, os autores destacam três pontos-chave. Eles devem ser lidos como alegações da equipe, e não como resultados verificados de forma independente.

• Origem: o projeto começou na Escola de Verão do AIRI e evoluiu até chegar a uma competição internacional.
• Dados: segundo os autores, treinar com metade do dataset deu um resultado melhor do que treinar com o conjunto inteiro. Aparentemente, a explicação está na seleção e no equilíbrio dos exemplos, mas o anúncio não detalha o método.
• O «leão de chácara»: a equipe voltou a recorrer a um componente separado, chamado de «leão de chácara». Pelo contexto, ele provavelmente descarta os exames saudáveis antes da segmentação pesada, mas o papel exato deve ser esclarecido no texto completo.
• Ensemble: cinco redes neurais trabalham em conjunto e levam cerca de 11 segundos por exame, ou seja, com grande folga em relação ao limite de 60 segundos.

Vale notar a formulação do resultado: o PANTHER foi o melhor especificamente em velocidade. O anúncio não informa que posição o modelo ocupou em qualidade de segmentação e detecção, e por ora é cedo para compará-lo aos líderes em precisão.

Por que isso importa além da competição

A combinação de «filtro rápido mais ensemble» parece pragmática. Se uma parte significativa do fluxo é de pacientes saudáveis, uma primeira etapa barata economiza processamento para os demais casos. A folga de tempo (11 segundos contra 60) permite adicionar estágios pesados ou pós-processamento sem estourar o limite.

Para hospitais e desenvolvedores de software médico, a conclusão prática é simples. Primeiro, ao avaliar esse tipo de modelo, é preciso olhar para o comportamento em exames saudáveis, e não apenas para os tumores encontrados. Segundo, o limite de 4 GB de VRAM significa que soluções como essa, em teoria, podem rodar em estações de trabalho locais, onde os dados não saem do perímetro da clínica. Terceiro, a história da metade do dataset lembra que a qualidade da seleção de dados às vezes importa mais que o volume.

Para o AIRI, o caso também mostra como um projeto estudantil pode chegar ao nível do MICCAI. Resta aguardar a análise completa da arquitetura e as métricas públicas para entender até que ponto a velocidade do PANTHER se combina com precisão clínica.