Olá, é um prazer inenarrável estar mais uma vez escrevendo este post.
A NVIDIA apresentou em 23 de setembro de 2026 o NV-Reason-CT, um modelo de visão e linguagem desenvolvido para analisar exames de tomografia computadorizada em 3D. A proposta é ir além de identificar alterações: o sistema tenta organizar os achados, explicar o caminho percorrido e responder a perguntas adicionais sobre o exame.
Essa diferença é importante porque uma tomografia não é apenas uma coleção de imagens. Um único exame abdominal pode reunir de 300 a 600 cortes, nos quais a forma, a extensão e a relação entre as estruturas só ficam claras quando observadas em conjunto. É justamente nesse ponto que modelos criados para imagens 2D costumam encontrar dificuldades.
Mas o NV-Reason-CT não foi apresentado como um sistema autônomo de diagnóstico. Ele é uma base aberta de pesquisa e desenvolvimento, destinada a pesquisadores e empresas que desejam adaptá-la a aplicações específicas de análise médica.
Como o NV-Reason-CT tenta entender uma tomografia em 3D
Em vez de tratar cada corte da tomografia como uma imagem independente, o NV-Reason-CT utiliza um codificador de visão baseado em um Vision Transformer 3D. A arquitetura foi projetada para preservar a continuidade anatômica entre os cortes, algo essencial para avaliar massas, infiltrações, derrames e outras alterações cujo significado depende do volume completo.
Segundo a NVIDIA, o modelo processa os exames redimensionados para 192³ voxels, com resolução isotrópica de 2 milímetros. O volume é dividido em blocos de 8×8×8, gerando uma grade de 24×24×24, ou 13.824 tokens visuais. Esses tokens são enviados ao modelo de linguagem junto com suas coordenadas espaciais em três dimensões.
O componente de linguagem combina o Qwen3.5-4B com mecanismos de posição tridimensional. Na prática, a ideia é permitir que o sistema considere não apenas o conteúdo de cada região, mas também onde ela está localizada e como se relaciona com as demais partes do exame.
O que o NV-Reason-CT consegue fazer
O NV-Reason-CT foi treinado para produzir relatórios estruturados, responder perguntas sobre regiões específicas e apresentar uma sequência de análise semelhante à revisão sistemática realizada por um radiologista.
A NVIDIA afirma que o modelo cobre 30 anormalidades no tórax e 29 no abdômen. Entre os exemplos estão nódulos pulmonares, pneumotórax, lesões hepáticas e cistos renais. O sistema também pode responder a perguntas de acompanhamento, esclarecer possíveis diagnósticos diferenciais e revisar achados específicos em uma conversa com várias etapas.
Esse formato tenta resolver uma limitação comum de sistemas médicos baseados apenas em rótulos ou pontuações. Um resultado como “há uma alteração” oferece pouca informação sobre o caminho que levou à conclusão. Já um relatório organizado pode ajudar o profissional a verificar se o modelo observou a região correta, se considerou achados relevantes e onde pode ter cometido um erro.
Naturalmente, uma explicação gerada por um modelo não é garantia de que o diagnóstico esteja correto. Ela funciona mais como uma superfície de auditoria: torna o resultado mais fácil de examinar, mas ainda precisa ser validada por um profissional qualificado.
Como o NV-Reason-CT foi treinado
O treinamento do NV-Reason-CT foi dividido em duas etapas. Primeiro, o modelo passou por ajuste supervisionado com relatórios estruturados, anotações de radiologistas, perguntas e respostas sobre anatomia e dados sintéticos baseados em exemplos avaliados por especialistas.
A NVIDIA informa que essa etapa reuniu aproximadamente 550 mil exemplos de perguntas e respostas relacionados às regiões torácica e abdominal. O material incluía perguntas sobre anatomia, localização, lateralidade, gravidade e identificação de anormalidades, além de exemplos para lidar com solicitações inválidas e pares de imagem e texto incompatíveis.
Na segunda etapa, a empresa utilizou Group Relative Policy Optimization, uma técnica de aprendizado por reforço. A recompensa foi organizada por região anatômica, de modo que a qualidade da resposta pudesse ser avaliada separadamente em diferentes partes do tórax e do abdômen, em vez de depender de um único sinal global.
A estratégia pode ser comparada ao treinamento de um aprendiz: primeiro ele observa muitos exemplos de como um especialista trabalha; depois recebe feedback para melhorar a precisão e a organização das próprias respostas.
Resultados do NV-Reason-CT no benchmark CT-RATE
No benchmark público CT-RATE, a NVIDIA relata que o NV-Reason-CT alcançou Macro-F1 de 0,614 e Macro-AUROC de 0,871. A empresa afirma que esses resultados superam os modelos publicados usados como comparação, incluindo sistemas contrastivos 3D, modelos que combinam imagens 2D e 3D e abordagens baseadas em cortes individuais.
O resultado precisa ser interpretado com cuidado. Um benchmark ajuda a comparar modelos sob determinadas condições, mas não substitui validações clínicas independentes, testes em instituições diferentes ou avaliação de impacto no fluxo de trabalho.
A NVIDIA também afirma que radiologistas dos Institutos Nacionais de Saúde dos Estados Unidos avaliaram a plausibilidade dos relatórios estruturados e das sequências de raciocínio produzidas. De acordo com o material divulgado, os avaliadores destacaram a possibilidade de revisar não apenas a conclusão, mas também a forma como o sistema chegou a ela.
O que muda para a pesquisa em IA médica
O NV-Reason-CT foi apresentado como uma fundação aberta para pesquisa, e não como um produto clínico aprovado ou um sistema autônomo de diagnóstico. Pesquisadores podem adaptar os pesos e as receitas de pós-treinamento a conjuntos de dados institucionais ou a aplicações específicas de tomografia.
A NVIDIA também posiciona o modelo ao lado de outras ferramentas de IA médica voltadas à geração de imagens sintéticas e à segmentação de órgãos e lesões. A combinação desses componentes pode formar pipelines de pesquisa que começam com dados simulados, passam pela identificação de estruturas e terminam com a geração de relatórios interpretáveis.
Os checkpoints, scripts de inferência, configurações de treinamento e receitas de pós-treinamento são indicados pela empresa como parte do ecossistema de pesquisa. Ainda assim, adaptar um modelo para um hospital ou uma aplicação clínica exige cuidados adicionais com dados, privacidade, desempenho, vieses e aprovação regulatória.
Conclusão: o NV-Reason-CT não elimina a supervisão médica
O NV-Reason-CT representa uma tentativa de aproximar modelos multimodais da forma como radiologistas analisam exames complexos: observando regiões de maneira sistemática, relacionando achados e expressando incertezas em vez de simplesmente devolver uma etiqueta.
A resposta à questão levantada no início está justamente nessa combinação entre percepção volumétrica e explicação estruturada. Para ser útil em ambientes reais, um modelo de tomografia precisa lidar com o exame inteiro, manter o contexto espacial e permitir que suas conclusões sejam questionadas.
Isso não significa que o sistema esteja pronto para substituir o julgamento clínico. O próprio enquadramento divulgado pela NVIDIA é mais limitado e mais realista: trata-se de uma base de pesquisa que pode reduzir o trabalho repetitivo, apoiar a elaboração de relatórios e servir de ponto de partida para aplicações especializadas, sempre com revisão humana.
