Desenvolvedor cria analisador de ressonância magnética da coluna com Python e Gemini

Dez horas por dia na frente da tela, dor crônica na região lombar e mais uma visita ao neurologista — uma história familiar para centenas de milhares de desenvolvedores em todo o mundo. Mas um deles decidiu não apenas sofrer, mas escrever sua própria ferramenta para análise de imagens de ressonância magnética da coluna vertebral. Assim nasceu o Spine Advisor — um aplicativo de desktop em Python que decodifica imagens médicas em segundos usando o modelo multimodal Gemini 3 Flash.

A história do projeto, publicada no Habr, começa banal e reconhecível. O autor é um programador praticante que há anos ignora os sinais do seu próprio corpo. Quando ocasionais "afundamentos" se transformaram em desconforto constante, as visitas ao médico se tornaram regulares e, junto com elas, uma pilha de imagens de ressonância magnética se acumulou. A cada vez o especialista gastava tempo comparando resultados, explicando a dinâmica e interpretando conclusões. O desenvolvedor fez uma pergunta lógica: seria possível descarregar pelo menos parte dessa rotina em um modelo de linguagem?

Acontece que era possível. O Spine Advisor funciona como um diário digital da coluna com um assistente de IA incorporado. O usuário carrega imagens de ressonância magnética e o modelo multimodal Gemini 3 Flash analisa as imagens, destacando padrões-chave — protrusões, hérnias, alterações nos discos intervertebrais. O aplicativo permite comparar resultados ao longo do tempo, rastreando o progresso do tratamento de uma visita para a próxima. Essencialmente, é um rastreador médico pessoal que fala em linguagem compreensível para o paciente, em vez de deixá-lo sozinho com a terminologia impenetrável dos laudos radiológicos.

A escolha técnica do autor merece atenção especial. Gemini 3 Flash é um modelo multimodal relativamente novo do Google que funciona bem na análise de imagens, mantendo alta velocidade e custos razoáveis de API. Para um aplicativo de desktop direcionado a usuários comuns, este é um compromisso razoável entre qualidade de interpretação e custo. A escolha de Python como linguagem principal também não é coincidência: um rico ecossistema de bibliotecas para trabalhar com imagens médicas, de pydicom a nibabel, a torna o padrão de facto em ML médico.

Porém, o projeto levanta questões que vão muito além de um único aplicativo. Estamos testemunhando a formação de uma nova classe de ferramentas médicas — criadas não por corporações com orçamentos multimilionários para certificação, mas pelos próprios pacientes para resolver seus próprios problemas. Isso é simultaneamente inspirador e alarmante. Por um lado, modelos multimodais realmente atingiram um nível em que são capazes de extrair informações significativas de imagens médicas. Pesquisas dos últimos dois anos mostram que grandes modelos de linguagem em várias tarefas radiológicas se aproximam da precisão de médicos internos. Por outro lado, nenhum desses modelos é um dispositivo médico certificado, e suas interpretações não devem substituir o diagnóstico profissional.

Para seu crédito, o autor posiciona o Spine Advisor precisamente como uma ferramenta auxiliar, não como substituto de um médico. O aplicativo ajuda o paciente a se preparar para uma visita, formular perguntas e rastrear mudanças — mas a palavra final permanece com o especialista. Esta é uma ressalva importante que os entusiastas de IA médica frequentemente esquecem. Reguladores em todo o mundo, da FDA ao Roszdravnadzor, ainda não desenvolveram uma abordagem unificada para tais ferramentas "de paciente" e o status legal de aplicativos similares permanece em uma zona cinzenta.

No entanto, a tendência é clara. À medida que modelos multimodais se tornam mais baratos e acessíveis, e as APIs de grandes provedores simplificam a integração, a barreira de entrada para criar assistentes médicos com IA está diminuindo rapidamente. Hoje um desenvolvedor monta um analisador de ressonância magnética em uma semana. Amanhã, ferramentas similares poderiam se tornar uma adição padrão aos registros médicos eletrônicos. A questão é apenas se as estruturas regulatórias acompanharão a tecnologia — ou se os pacientes armados com Python e chaves de API se encontrarão novamente um passo à frente do sistema de saúde.