noticias
Cães e inteligência artificial podem ajudar a encontrar câncer pelo hálito mas ainda não fazem diagnóstico
**Linha fina:** Startup indiana combina cães farejadores, sensores e modelos computacionais para identificar sinais associados a tumores em amostras de respiração. Resultados iniciais são relevantes, mas a tecnologia ainda precisa provar utilidade clínica em rastreamento real.
A ideia parece saída de uma mistura improvável entre laboratório de oncologia e unidade canina: uma pessoa respira em uma máscara, a amostra segue para análise, cães treinados procuram alterações químicas no material e algoritmos transformam as respostas dos animais em uma estimativa de risco. É essa combinação que a startup indiana Dognosis, sediada em Bengaluru, tenta transformar em uma ferramenta de rastreamento precoce do câncer.
O projeto chama atenção não porque cães consigam reconhecer odores associados a doenças — essa capacidade é estudada há anos —, mas porque tenta resolver o principal problema desse tipo de abordagem: transformar uma habilidade biológica extraordinária, porém variável, em um procedimento reproduzível, mensurável e potencialmente escalável.
A tecnologia ainda não diagnostica câncer. O sistema está sendo desenvolvido como ferramenta de pré-rastreamento, capaz de apontar amostras que merecem investigação médica posterior. Essa distinção é essencial, porque identificar um sinal compatível com determinada doença e confirmar clinicamente que uma pessoa possui um tumor são etapas completamente diferentes.
O câncer pode alterar a química do ar que respiramos
O mecanismo começa nos chamados compostos orgânicos voláteis, moléculas liberadas por processos metabólicos do organismo e que podem aparecer no ar expirado, no suor, na urina e em outros materiais biológicos.
Doenças podem modificar esse conjunto químico. No caso do câncer, alterações no metabolismo celular, estresse oxidativo e outros processos associados ao desenvolvimento tumoral podem mudar a concentração e a combinação de determinadas moléculas eliminadas pelo organismo.
O desafio é que dificilmente existe uma substância única funcionando como uma espécie de “cheiro do câncer”. O que pesquisadores procuram são padrões formados pela combinação de diversos compostos.
É justamente aí que o sistema olfativo dos cães se torna interessante. A capacidade desses animais para distinguir misturas químicas extremamente complexas supera muitos sensores artificiais disponíveis atualmente, especialmente quando não se sabe exatamente qual molécula deve ser procurada.
Um cão treinado não precisa necessariamente reconhecer cada composto isoladamente. Ele pode aprender que determinado conjunto de odores corresponde a um padrão encontrado repetidamente em amostras de pacientes com uma doença específica.
A Dognosis tenta transformar comportamento animal em dado
Utilizar cães para detectar alterações biológicas cria um problema óbvio: o animal não entrega uma planilha com probabilidades ao final da análise.
Tradicionalmente, os treinadores observam comportamentos previamente condicionados. O cão pode parar diante de uma amostra, sentar, fixar a atenção ou realizar algum outro sinal associado ao odor aprendido.
A Dognosis tenta extrair mais informação desse processo.
A empresa desenvolve uma infraestrutura na qual respostas de diferentes cães podem ser combinadas com sensores e processamento computacional. Há também pesquisa envolvendo registro não invasivo de atividade cerebral dos animais durante tarefas olfativas, buscando identificar sinais que não dependam exclusivamente da interpretação visual do treinador.
A inteligência artificial entra principalmente nessa camada.
Ela não substitui o nariz do cachorro nem “fareja” diretamente as moléculas. Os modelos computacionais procuram interpretar resultados produzidos pelos animais, combinar respostas e reduzir a influência de diferenças individuais entre eles.
É um sistema híbrido: o reconhecimento químico permanece biológico, enquanto a tentativa de padronização acontece digitalmente.
Estudo reuniu mais de 3 mil participantes
O resultado científico mais relevante associado à tecnologia foi publicado em 2026 no *Journal of Clinical Oncology*.
A pesquisa multicêntrica envolveu seis hospitais do estado indiano de Karnataka e reuniu 3.275 participantes. Parte das amostras foi utilizada para treinamento do sistema, enquanto outra permaneceu separada para avaliação.
No conjunto de teste estavam pacientes com câncer confirmado por biópsia e ainda não submetidos a tratamento, além de participantes sem diagnóstico da doença.
O material analisado era surpreendentemente simples: máscaras utilizadas para capturar compostos presentes na respiração.
Depois da coleta e do armazenamento em condições controladas, as máscaras eram apresentadas aos cães. As respostas de vários animais não eram consideradas isoladamente. Um modelo estatístico combinava as indicações e levava em conta informações sobre desempenho anterior.
No conjunto experimental, o método apresentou sensibilidade de aproximadamente 90,8% e especificidade próxima de 91,3%. Entre tumores classificados nos estágios I e II, a sensibilidade ficou em torno de 90,6%.
São resultados relevantes.
Mas estão longe de significar que existe um exame capaz de detectar qualquer câncer com mais de 90% de precisão na população.
Sensibilidade de 90% não significa 90% de chance de acertar seu diagnóstico
Essa diferença costuma desaparecer em manchetes sobre novos exames médicos.
Sensibilidade mede quantas pessoas que realmente possuem uma determinada doença são identificadas pelo teste. Especificidade indica quantas pessoas sem a doença recebem corretamente um resultado negativo.
Nenhuma dessas medidas, isoladamente, responde à pergunta que interessa ao paciente: qual é a probabilidade de eu realmente ter câncer depois de um resultado positivo?
Essa resposta depende também da frequência da doença na população examinada.
Em um grupo selecionado de pacientes já diagnosticados, existe uma concentração elevada de câncer. Em uma população aparentemente saudável submetida a rastreamento, a proporção de pessoas com a doença será muito menor.
Essa diferença muda completamente a matemática.
Mesmo um teste com especificidade superior a 90% pode produzir muitos falsos positivos quando aplicado a centenas de milhares de pessoas, porque haverá um número enorme de indivíduos saudáveis sendo examinados.
E cada resultado positivo precisa levar a algum lugar.
Pode significar consulta especializada, tomografia, ressonância, endoscopia, exames laboratoriais ou biópsia. Portanto, um rastreamento ruim não apenas assusta pacientes. Ele pode transferir o problema para uma rede de diagnóstico já sobrecarregada.
O desenho do estudo ainda está distante do mundo real
Outro ponto importante é que o trabalho realizado foi um estudo caso-controle.
Esse tipo de pesquisa é útil para descobrir se uma tecnologia consegue diferenciar grupos previamente conhecidos. Pesquisadores apresentam amostras de pessoas com câncer confirmado e de controles e verificam se o método consegue separá-las.
O teste decisivo é outro.
Para demonstrar utilidade como rastreamento, será necessário acompanhar prospectivamente uma população que ainda não sabe se possui a doença e observar o que acontece depois.
Quantos resultados positivos serão realmente câncer?
Quantos tumores passarão despercebidos?
Quais tipos de câncer serão detectados?
Em qual estágio?
Quantas pessoas serão submetidas a exames desnecessários?
E, principalmente, detectar esses tumores dessa maneira produzirá benefício clínico mensurável?
É nesse tipo de estudo que uma tecnologia interessante de laboratório precisa provar que também funciona como ferramenta de saúde pública.
Encontrar um sinal não significa localizar o tumor
Há ainda uma questão prática que frequentemente recebe pouca atenção quando se fala em testes multicâncer.
Mesmo que o sistema indique corretamente que determinada pessoa apresenta uma assinatura química associada à presença de câncer, o médico ainda precisa descobrir onde está a doença.
Pulmão? Mama? Próstata? Intestino? Pâncreas?
Essa informação define completamente a investigação seguinte.
Uma ferramenta muito sensível, mas incapaz de orientar o local provável do tumor, pode criar uma sequência extensa de exames até que a origem do sinal seja encontrada — ou até que se conclua que o resultado inicial era um falso positivo.
Isso não inviabiliza a tecnologia. Apenas define melhor seu papel.
Se vier a funcionar, uma abordagem como a da Dognosis provavelmente ocupará uma etapa anterior ao diagnóstico, selecionando pessoas que merecem investigação mais detalhada.
Ela seria um filtro, não o veredito.
Detectar mais cedo também pode encontrar doenças que nunca causariam problema
Existe outro fenômeno conhecido em programas de rastreamento: o sobrediagnóstico.
Alguns tumores crescem de maneira tão lenta que poderiam permanecer assintomáticos durante toda a vida de uma pessoa. Quando um programa de rastreamento se torna muito sensível, ele também pode descobrir essas alterações.
Tecnicamente, o câncer foi encontrado.
Clinicamente, entretanto, surge uma pergunta muito mais difícil: aquele tumor teria algum dia prejudicado o paciente?
Se a resposta for não, a descoberta pode levar a cirurgia, radioterapia, medicamentos ou outros procedimentos que jamais seriam necessários.
É por isso que programas de rastreamento não são avaliados apenas pela quantidade de tumores encontrados.
A medida mais importante é se conseguem reduzir doença grave e mortalidade em proporção suficiente para justificar os riscos, custos e intervenções adicionais que provocam.
Encontrar mais não é automaticamente o mesmo que cuidar melhor.
A máscara é simples; a logística não
Uma das ideias mais interessantes do projeto é separar o paciente do laboratório.
O cão não precisa visitar clínicas ou permanecer próximo das pessoas examinadas. A amostra é capturada em uma máscara e posteriormente encaminhada para análise.
Essa arquitetura pode ser especialmente atraente em regiões com pouca infraestrutura médica.
Uma unidade de saúde remota poderia coletar material sem possuir tomógrafos, equipamentos laboratoriais avançados ou profissionais altamente especializados. Apenas determinadas amostras seriam encaminhadas posteriormente para investigação mais sofisticada.
No papel, isso reduz custos.
Na prática, cria outro conjunto de desafios.
Compostos orgânicos voláteis podem ser afetados por temperatura, umidade, armazenamento, tempo de transporte e contaminação ambiental. O próprio material utilizado para coletar a respiração precisa ser padronizado.
Uma máscara guardada durante horas em condições inadequadas pode não representar a mesma amostra analisada em um protocolo científico controlado.
Portanto, transformar o método em produto exige demonstrar não apenas que cães reconhecem determinados padrões, mas que o processo inteiro — coleta, armazenamento, transporte e análise — permanece confiável fora do laboratório.
Cães não são sensores eletrônicos
Existe também uma limitação operacional que nenhuma camada de inteligência artificial consegue eliminar completamente.
Cães são organismos vivos.
Eles se cansam, envelhecem, adoecem, precisam de descanso, alimentação, treinamento contínuo e acompanhamento veterinário. Diferentes animais podem apresentar desempenho diferente diante do mesmo odor.
O projeto tenta reduzir essa variabilidade combinando respostas de vários cães e coletando informações adicionais durante a análise.
Mas, se a tecnologia pretende processar centenas de milhares ou milhões de amostras, a própria manutenção da população de animais se transforma em parte da infraestrutura.
Será preciso definir quantas análises um cão consegue realizar sem perder desempenho, como novos animais são treinados, como alterações comportamentais são detectadas e quais critérios determinam quando um cão deve ser retirado temporariamente do trabalho.
Não é um detalhe.
É uma questão de escalabilidade tão importante quanto servidores ou algoritmos.
O destino mais interessante talvez seja um nariz artificial
Curiosamente, os cães podem não ser o produto final dessa tecnologia.
O conhecimento gerado durante o treinamento pode ajudar pesquisadores a compreender quais padrões químicos os animais reconhecem. Essas informações podem alimentar o desenvolvimento dos chamados narizes eletrônicos.
Esses sistemas utilizam conjuntos de sensores químicos capazes de responder de formas diferentes quando entram em contato com determinadas moléculas.
Sozinho, cada sensor pode fornecer pouca informação.
Quando dezenas deles reagem simultaneamente, entretanto, surge uma assinatura complexa. Modelos de aprendizado de máquina podem então aprender a distinguir padrões associados a diferentes condições.
Nesse cenário, o cachorro funcionaria como uma espécie de professor biológico.
Ele mostra que existe algo detectável na amostra antes mesmo de os pesquisadores compreenderem completamente quais combinações moleculares carregam aquela informação.
O desafio passa a ser reproduzir artificialmente uma capacidade que a evolução aperfeiçoou durante milhões de anos.
Existem muitos fatores capazes de confundir o cheiro
A respiração humana não contém informações apenas sobre câncer.
Alimentação, tabagismo, medicamentos, infecções, doenças metabólicas, microbiota, idade, consumo de álcool e até características ambientais podem modificar compostos voláteis.
Isso cria um problema central para qualquer sistema baseado em odor.
O algoritmo precisa distinguir o sinal relacionado à doença de centenas de outras variações legítimas existentes entre pessoas.
Uma tecnologia treinada predominantemente em uma população específica também precisa demonstrar que mantém o desempenho quando utilizada em pessoas com diferentes hábitos, dietas, origens geográficas e condições clínicas.
Esse é outro motivo para que estudos multicêntricos e validações independentes sejam essenciais.
Um modelo pode aprender padrões úteis.
Também pode aprender atalhos inesperados presentes nos dados de treinamento.
Na inteligência artificial, esse problema já é conhecido. Aqui, ele simplesmente vem acompanhado de quatro patas.
A empresa participa da pesquisa — e isso precisa ser levado em conta
A pesquisa publicada possui participação de profissionais ligados à própria Dognosis, incluindo pessoas com vínculos profissionais e econômicos com a empresa.
O estudo também recebeu financiamento relacionado ao desenvolvimento da tecnologia.
Isso não torna os resultados inválidos.
É comum que empresas envolvidas na criação de dispositivos e tecnologias médicas financiem as primeiras etapas de avaliação de seus próprios produtos.
Mas essa relação aumenta a importância de estudos independentes.
Resultados reproduzidos por equipes que não possuem interesse econômico direto na tecnologia oferecem evidência mais forte de que o desempenho observado pertence realmente ao método, e não a circunstâncias específicas do desenvolvimento inicial.
A história científica da medicina está cheia de tecnologias promissoras que funcionaram maravilhosamente no laboratório do inventor e perderam parte do brilho quando chegaram ao mundo real.
É justamente para isso que existem validação externa e reprodução científica.
Onde uma solução como essa poderia fazer diferença
Se conseguir superar essas barreiras, o maior impacto talvez não ocorra nos hospitais mais sofisticados.
Uma ferramenta simples de pré-rastreamento teria valor potencial justamente em regiões onde acesso a exames avançados é limitado.
Países populosos e com grandes desigualdades de infraestrutura precisam decidir quem deve ser encaminhado primeiro para recursos caros e escassos.
Um sistema suficientemente barato, sensível e confiável poderia funcionar como uma camada inicial de seleção.
Milhares de pessoas seriam avaliadas por um método simples; apenas aquelas classificadas com maior risco avançariam para exames confirmatórios.
É uma lógica poderosa.
Também perigosa se a precisão não for suficientemente alta.
Quando o primeiro filtro erra demais, a economia desaparece e o sistema de saúde recebe uma multidão de pacientes que não precisava estar ali.
Análise da equipe
O aspecto mais interessante da Dognosis não é colocar inteligência artificial ao lado de cães em uma mesma frase.
É o desenho técnico do sistema.
Existe um sensor biológico excepcionalmente eficiente, mas difícil de padronizar. Existe uma camada computacional capaz de registrar, comparar e combinar sinais. Existe um problema médico real no qual encontrar pessoas de maior risco antes do aparecimento de sintomas poderia ter enorme valor.
A combinação faz sentido.
O que ainda não faz sentido é transformar resultados experimentais em promessa de diagnóstico.
Os dados publicados mostram que cães treinados, combinados por processamento estatístico, conseguiram diferenciar amostras de pacientes com câncer e controles com desempenho relevante em um estudo controlado.
É suficiente para justificar novas pesquisas.
Não é suficiente para afirmar que um exame baseado em hálito esteja pronto para substituir métodos clínicos estabelecidos.
Agora começa a parte mais importante.
A tecnologia precisa ser testada em pessoas aparentemente saudáveis, em diferentes populações e condições reais de coleta. Será necessário conhecer sua taxa de falsos positivos, entender quais fatores confundem o sistema, acompanhar os pacientes depois do resultado e descobrir se o rastreamento realmente leva a diagnósticos mais precoces capazes de melhorar desfechos.
Também será preciso responder a uma questão de escala: até onde é possível construir uma infraestrutura médica baseada em animais treinados?
Talvez a resposta final seja que os cães funcionem apenas como uma ponte.
Eles podem ajudar pesquisadores a descobrir assinaturas químicas que, no futuro, sejam reconhecidas diretamente por sensores artificiais combinados com aprendizado de máquina.
Se isso acontecer, o legado mais importante da Dognosis pode não ser construir hospitais cheios de cães farejadores.
Pode ser ensinar máquinas a perceber uma parte da química humana que nossos próprios sentidos simplesmente não conseguem enxergar.
Por enquanto, porém, a conclusão precisa permanecer exatamente onde as evidências permitem: há um experimento científico promissor em andamento, não um novo exame diagnóstico pronto para a medicina.
E, tratando-se de câncer, essa diferença não é preciosismo. É responsabilidade.
👉 Dúvida? Então veja mais em: https://pixbugtech.com/linksuteis