Uma pesquisa conduzida nos Estados Unidos por cientistas da College of the Holy Cross e da University of Massachusetts Chan Medical School indicou que pombos são capazes de identificar anormalidades médicas em imagens complexas, como tomografias computadorizadas (TC) de pulmão.
Segundo os pesquisadores, essa habilidade se baseia em um processo de categorização visual implícita, semelhante ao que especialistas humanos, como radiologistas, desenvolvem com o tempo de prática. O estudo buscou isolar esses processos, que em pessoas são frequentemente misturados com conhecimento explícito e verbal, dificultando a análise pura da percepção visual.
Os pombos foram escolhidos para o experimento por serem considerados especialistas em categorizar objetos visualmente, graças a um sistema de percepção descrito como altamente flexível e preciso.
Diferente de estudos anteriores que usavam imagens estáticas, a nova pesquisa utilizou "filmes" de seções de tomografia. Isso exigiu que as aves integrassem informações visuais ao longo do espaço e do tempo, simulando a maneira como um radiologista analisa um exame tridimensional.
No experimento, seis de oito pombos foram treinados para bicar a tela ao visualizar uma imagem "Anormal" (com a presença de um nódulo) e não bicar quando a imagem era "Normal". O acerto era recompensado com comida. Um ponto crucial do teste foi a utilização de exames de pacientes que os pombos nunca haviam visto antes.
O sucesso na tarefa demonstrou que as aves não estavam apenas memorizando imagens específicas, mas sim criando uma representação mental da categoria "nódulo".
De forma surpreendente, os pombos conseguiram transferir o conhecimento adquirido para detectar outras anormalidades visualmente distintas, como enfisema e nódulos em vidro fosco, mesmo sem treinamento adicional. Para os cientistas, isso sugere que os animais detectaram uma assinatura visual comum de "tecido doente".
O modelo estudado pode, segundo os autores, ajudar no desenvolvimento de sistemas de Inteligência Artificial mais robustos, capazes de detectar múltiplas classes de anormalidades por meio de características perceptuais compartilhadas.
