Supervisão biológica em patologia computacional: da imagem ao transcriptoma

Tema: Inteligência Artificial na Medicina

▶ Veja o resumo em vídeo no YouTube: assista aqui

São mais de 47 mil lâminas de tecido coradas com hematoxilina e eosina (H&E) — e, para cada uma delas, um perfil molecular correspondente. Foi com esse par improvável, a imagem que o patologista vê e a assinatura genômica e transcriptômica que ele não vê, que pesquisadores do Departamento de Patologia do Mass General Brigham, no grupo liderado por Faisal Mahmood e Long Phi Le, treinaram o THREADS, um modelo de fundação de nível de lâmina inteira publicado na Nature Cancer em 20 de novembro de 2026 [1][2]. O resultado declarado é ambicioso: desempenho consistentemente superior ao de modelos de fundação de lâmina inteira de ponta e de modelos supervisionados de referência (baselines) em 107 tarefas oncológicas, que vão da subtipagem e graduação tumoral à predição de resposta a tratamento e à análise de sobrevida [1][2].

A tese deste artigo é específica e desconfortável para a área: o avanço do THREADS não está principalmente na arquitetura, mas na escolha do que serve de supervisão. Ao trocar rótulos narrativos, grosseiros e variáveis de uma instituição para outra por um sinal biológico denso — o perfil molecular do próprio tecido —, o trabalho sugere que a patologia computacional vinha otimizando um alvo pobre. E sugere também que o gargalo real da área talvez nunca tenha sido apenas o tamanho do corpus de imagens, mas a qualidade das etiquetas que usamos para ensinar as máquinas a olhar.

A virada conceitual: alinhar morfologia e molécula, não imagem e palavra

A maior parte dos modelos de fundação em patologia opera em duas escalas. Ou trabalha no nível do patch — pequenos recortes de tecido de algumas centenas de pixels —, ou tenta aprender representações da lâmina inteira usando objetivos puramente visuais ou textos associados, como relatórios de patologia. O TITAN, por exemplo, alinhou lâminas inteiras a laudos e a legendas sintéticas [5]. O problema da rota textual é conhecido por qualquer patologista que já tenha lido dois laudos do mesmo caso em serviços diferentes: o texto é narrativo, varia com a escola do serviço e carrega a subjetividade do relato humano.

O THREADS ataca exatamente esse ponto. Em vez de aprender a associar imagens a palavras, o modelo foi pré-treinado com uma abordagem multimodal sobre 47.171 cortes de tecido corados em H&E, cada um pareado com os perfis genômico e transcriptômico correspondentes [3]. Segundo o comunicado do Mass General Brigham, o modelo aprendeu a conectar padrões das lâminas aos perfis moleculares correspondentes [2]. A consequência prática é elegante: o resultado do pré-treino é uma representação universal de lâminas inteiras de qualquer tamanho [3], que pode ser aplicada a novas imagens sem que cada caso novo precise ser sequenciado.

Esse detalhe é o coração silencioso do trabalho. Um modelo que exigisse sequenciamento para funcionar seria inviável na esmagadora maioria dos serviços de patologia do mundo. O que se propõe é diferente: usar a molécula como professora e a morfologia como aluna. A pergunta que fica, e que retomo adiante, é se a professora é tão confiável quanto parece.

As 107 tarefas: o que o benchmark mede e o que ele promete

O escopo da avaliação é o argumento mais forte do trabalho. Na versão publicada, o THREADS foi testado em 107 tarefas oncológicas, que abrangem subtipagem e graduação de câncer, caracterização do microambiente tumoral, predição de resposta a tratamento e análise de sobrevida [1][2]. Em todas essas frentes, segundo os autores, o modelo superou consistentemente os principais modelos de fundação de lâmina inteira e os baselines supervisionados [1].

O número cresceu desde a primeira divulgação: a versão preliminar do estudo, publicada no arXiv em janeiro de 2025, reportava 54 tarefas oncológicas [3]. A ampliação para 107 tarefas na versão revisada por pares é, por si só, um sinal de maturidade — e um lembrete de que comparações entre modelos precisam citar a versão certa de cada trabalho.

Há um dado que merece mais atenção do que costuma receber em resenhas de modelos de fundação: a eficiência de rótulos. Os autores relatam alta eficiência de rótulos e transferência forte para coortes externas [1]. Traduzido para a realidade de um hospital: o modelo precisaria de muito menos casos anotados manualmente para atingir desempenho útil — e a anotação por patologistas é um dos insumos mais caros e lentos de qualquer projeto de patologia computacional. Isso pesa especialmente em tarefas como resposta a tratamento e prognóstico, nas quais as coortes rotuladas costumam ser pequenas. A parte menos glamourosa do resultado é justamente a que decide se ele chega ao laboratório.

Generalização externa: o teste que separa modelo de propaganda

Benchmarks internos são fáceis de ganhar. O que distingue um modelo de fundação de um exercício de sobreajuste (overfitting) é o comportamento fora da distribuição de treino. Por isso, a alegação de transferência forte entre coortes externas [1] é mais relevante do que qualquer ganho isolado de acurácia.

Essa diversidade não é cosmética. Cada coorte carrega vieses próprios de scanner, de instituição, de protocolo de coloração e de composição demográfica. Um modelo que transfere bem entre elas demonstra algo que nenhum benchmark único consegue demonstrar: que aprendeu regularidades morfológicas com alguma invariância ao ruído técnico. A literatura independente reforça essa leitura: um grande benchmark de 19 modelos de fundação de histopatologia, em 13 coortes de pacientes, concluiu que a diversidade dos dados de treino pesa mais do que o volume [8].

Vale registrar o contraste com o estado da arte anterior. O Prov-GigaPath, publicado na Nature em 2024, foi pré-treinado com 1,3 bilhão de recortes extraídos de 171.189 lâminas de dados do mundo real da rede Providence e atingiu resultados de ponta em 25 de 26 tarefas avaliadas [4]. O TITAN, na Nature Medicine em 2025, levou a multimodalidade para o nível da lâmina combinando imagem e texto, e superou tanto modelos de região de interesse quanto outros modelos de lâmina [5]. O THREADS se posiciona numa terceira via: nem texto, nem apenas imagem, mas genômica e transcriptômica como supervisão. E é precisamente aí que a disputa teórica fica interessante.

O gargalo nunca foi só a escala — foi a etiqueta

Aqui assumo uma posição. A obsessão da área por acumular lâminas — centenas de milhares de lâminas, bilhões de patches — está parcialmente mal direcionada, e o THREADS é uma das evidências mais claras disso até agora. O Prov-GigaPath foi treinado com 171 mil lâminas [4]; o TITAN, com mais de 335 mil [5]. O THREADS, com cerca de 47 mil lâminas pareadas a perfis moleculares [3], supera os principais modelos de lâmina inteira nos testes dos autores [1]. Se o problema fosse apenas volume de imagem, essa inversão não deveria acontecer.

Mas é preciso olhar com cuidado para o que o modelo de fato aprende. Quando o perfil transcriptômico vem de RNA extraído de um fragmento de tecido inteiro (bulk), ele representa a expressão média de milhares de células misturadas, sem resolução espacial. O que o modelo aprende, nesse caso, é a associação entre a morfologia observada e um perfil molecular agregado. Parte dessa associação é biologia real: subtipos tumorais têm correlatos morfológicos genuínos. Parte pode ser confundimento: pureza tumoral, celularidade, proporção de estroma, qualidade do material. Nenhum benchmark retrospectivo, por maior que seja, separa completamente uma coisa da outra.

Isso não desqualifica o THREADS; qualifica a euforia em torno dele. A pergunta que a área precisa fazer em voz alta é se a supervisão molecular ensina o modelo a "ver biologia" ou a "estimar a composição do tecido". E essa pergunta não se responde com mais tarefas de classificação em coortes já coletadas. Responde-se com estudos prospectivos, com tecido de rotina, com lâminas de congelação e com outras colorações além da H&E. O rigor do benchmark é notável; o rigor do desenho clínico ainda é promessa.

Ciência aberta e comparações justas

Um aspecto operacional diz muito sobre como a patologia computacional se organiza hoje. O mesmo grupo mantém o Patho-Bench, biblioteca de código aberto desenvolvida no Mahmood Lab, da Harvard Medical School e do Brigham and Women's Hospital, que oferece divisões padronizadas de dados para 95 tarefas em 33 conjuntos públicos, com o objetivo de comparar modelos de fundação em patologia de forma reprodutível [6]. Modelos anteriores do laboratório, como o CONCH, também foram liberados com código e pesos, e reportam desempenho de ponta em 14 tarefas de patologia computacional [7].

É um exemplo de bem comum científico bem executado, mas com um limite evidente: quando o mesmo grupo cria o modelo, define as tarefas e mantém o benchmark, a validação independente se torna ainda mais necessária.

E há um contraponto técnico honesto. O benchmark independente de Neidlinger e colegas, publicado na Nature Biomedical Engineering em 2025, mostrou que o CONCH, um modelo de visão e linguagem, obteve o melhor desempenho geral quando comparado a modelos puramente visuais, com o Virchow2 logo atrás [8]. Isso levanta uma questão legítima: a supervisão molecular é realmente superior à supervisão por linguagem, ou estamos comparando modelos com orçamentos de treino e escalas diferentes? O THREADS vence os concorrentes que os autores escolheram; a literatura ainda não tem o confronto limpo entre genômica, texto e imagem como sinais de supervisão no mesmo regime computacional. Uma revisão recente sobre modelos de fundação e "copilotos" em patologia do câncer descreve a mudança de algoritmos específicos para modelos versáteis e insiste que validação externa robusta e benchmarking padronizado são essenciais [9].

Discussão: três tensões que o trabalho deixa em aberto

A primeira tensão é metodológica. O THREADS usa a molécula como professora, mas a correlação entre morfologia e genótipo é imperfeita por natureza: algumas alterações moleculares produzem assinaturas visuais claras, outras são invisíveis ao olho e ao microscópio digital. Ao alinhar imagem e perfil molecular, o modelo pode estar aprendendo o que é visível, mas também forçando correspondências onde a biologia não as oferece. O bom desempenho em subtipagem sugere que a parte visível domina; não prova que a parte invisível não esteja gerando ruído estruturado.

A segunda é comparativa. O campo se divide hoje entre modelos de lâmina inteira guiados por texto, por imagem e por molécula [4][5][1]. Cada um reporta vitórias nos seus próprios testes. O Patho-Bench mitiga esse problema ao padronizar tarefas e divisões de dados [6], mas a padronização só vale se todos os grupos a adotarem — e a adoção voluntária de benchmarks é, historicamente, seletiva.

A terceira é clínica. Uso assistencial não se justifica com tarefas retrospectivas, por mais bem desenhadas que sejam. A revisão de Cheng e colegas aponta uma crise de validação, marcada por baixa generalização em testes sem treinamento específico (zero-shot), e defende novos marcos regulatórios para esses modelos [9]. O caminho até a clínica passa por validação prospectiva, monitoramento de deriva de domínio e auditoria de viés populacional. O THREADS, ao mostrar transferência forte entre coortes externas [1], encurta esse caminho — mas não o percorre.

Conclusão

O THREADS desloca o eixo do debate. Não pergunta "quantas lâminas você tem?", e sim "o que você está usando para ensinar o modelo a enxergar?". Ao responder com perfis genômicos e transcriptômicos, o grupo do Mass General Brigham oferece uma das demonstrações mais consistentes até agora de que a supervisão biológica densa pode valer mais do que a escala bruta de imagens [1][3] — e de que a subjetividade do laudo, quando convertida em rótulo de treinamento, pode funcionar como um teto invisível para a área.

Três direções parecem na

turais. A primeira é avançar para a transcriptômica espacial, que oferece correspondência muito mais fina entre o que se vê e o que se expressa — uma professora mais precisa no lugar de uma professora que fala pela média. A segunda é incorporar modalidades que a clínica realmente usa: imuno-histoquímica, lâminas de congelação, colorações especiais. A terceira é de governança: comparações independentes, em benchmarks abertos e no mesmo regime computacional, para que a disputa entre texto, imagem e molécula como fonte de supervisão seja decidida por evidência, não por quem escolhe os adversários. A biologia ensinou o modelo a ver; resta provar, em pacientes reais, que ele vê o que importa.

Referências

[1] Vaidya, A. et al. (2026). A multimodal foundation model for molecular and morphologic data in oncology. Nature Cancer, 7(11), 1690–1708 - https://www.nature.com/articles/s43018-026-01252-w

[2] Bridger, H. (2026). THREADS ties together pathology and molecular biology to answer wide-ranging cancer questions. Mass General Brigham, Bench Press - https://mgriblog.org/project/threads-ties-together-pathology-and-molecular-biology-to-answer-wide-ranging-cancer-questions/

[3] Vaidya, A. et al. (2025). Molecular-driven Foundation Model for Oncologic Pathology. arXiv:2501.16652 - https://arxiv.org/abs/2501.16652

[4] Xu, H. et al. (2024). A whole-slide foundation model for digital pathology from real-world data. Nature, 630, 181–188 - https://www.nature.com/articles/s41586-024-07441-w

[5] Ding, T. et al. (2025). A multimodal whole-slide foundation model for pathology. Nature Medicine - https://www.nature.com/articles/s41591-025-03982-3

[6] Mahmood Lab, Harvard Medical School / Brigham and Women's Hospital. Patho-Bench: Standardized benchmark for computational pathology foundation models - https://github.com/mahmoodlab/patho-bench

[7] Mahmood Lab. CONCH: Vision-Language Pathology Foundation Model - https://github.com/mahmoodlab/CONCH

[8] Neidlinger, P. et al. (2025). Benchmarking foundation models as feature extractors for weakly supervised computational pathology. Nature Biomedical Engineering - https://www.nature.com/articles/s41551-025-01516-3

[9] Cheng, C. H., Wong, C. C. et al. (2025). The role of artificial intelligence-based foundation models and "copilots" in cancer pathology: potential and challenges. Journal of Experimental & Clinical Cancer Research, 45, 2 - https://pmc.ncbi.nlm.nih.gov/articles/PMC12763834/

Fale com a Eliza
E

Eliza

Agente assistente