Enquanto o mundo investe bilhões em modelos de linguagem cada vez maiores, um dermatologista de Londres treinou uma rede neural de 2015 em 20 minutos e humilhou o GPT-6 e o Claude 5.1 num teste de diagnóstico de câncer de pele. A diferença? 62% contra 42% de acerto. Não é piada.

O estudo do Dr. Magnus Lynch, dermatologista do Guy’s Hospital e pesquisador do King’s College London, publicado em outubro de 2026, coloca uma pergunta incômoda na mesa: será que a corrida por modelos cada vez maiores está nos fazendo ignorar soluções mais simples, baratas e eficientes?

O que foi testado (e como)

O experimento comparou três modelos em uma tarefa bem definida: olhar para imagens de lesões de pele e classificá-las em seis categorias diagnósticas. São elas: melanoma, carcinoma basocelular (BCC), carcinoma espinocelular (SCC), ceratose actínica, nevo e ceratose seborreica.

De um lado, a Inception v3, uma arquitetura de rede neural convolucional (CNN) criada pelo Google em 2015. De outro, dois dos modelos de linguagem mais avançados do planeta: GPT-6 Astra da OpenAI e Claude Fable 5.1 da Anthropic.

O dataset de teste veio do MILK10k (2025), com 200 lesões aleatórias confirmadas por biópsia. Cada lesão tinha foto clínica e dermatoscópica. Sem margem para ambiguidade: o diagnóstico histopatológico é o padrão-ouro.

A CNN não apenas venceu. Ela destruiu a concorrência com uma margem de 20 pontos percentuais.

20 minutos de treino numa GPU. Só isso.

Talvez o dado mais absurdo de todo o estudo seja esse: a Inception v3 foi treinada (fine-tuned) em aproximadamente 20 minutos, usando uma única GPU H100, com imagens públicas do ISIC Archive (68.011 imagens dermatoscópicas e clínicas).

Vamos colocar em perspectiva. O GPT-6 Astra provavelmente custou centenas de milhões de dólares para treinar, rodou em clusters com milhares de GPUs durante semanas, e consumiu energia suficiente para abastecer uma cidade pequena. O Claude Fable 5.1, idem.

A CNN? Vinte minutos. Uma placa. Imagens públicas. E ganhou de ambos.

Custo estimado de treino:

CNN Inception v3:  ~US$ 0,50 (20 min de H100 spot)
GPT-6 Astra:       ~US$ 200.000.000+ (estimativa de mercado)
Claude Fable 5.1:  ~US$ 100.000.000+ (estimativa de mercado)

Acurácia em diagnóstico dermatológico:
CNN: 62%  |  GPT-6: 42%  |  Claude 5.1: 42%

Eu já vi inversão de custo-benefício, mas essa aqui é de outro patamar.

Por que LLMs perdem para uma CNN velha?

Parece contraintuitivo. Modelos com trilhões de parâmetros, treinados em praticamente toda a internet, perdem para uma rede com 42 camadas que cabe num navegador de celular. Mas faz sentido quando você entende a arquitetura.

CNNs foram feitas para imagens. A Inception v3 foi desenhada especificamente para classificação visual. Cada camada extrai features hierárquicas: bordas nas camadas iniciais, texturas nas intermediárias, padrões complexos nas finais. O modelo inteiro é otimizado para uma coisa: olhar para pixels e tomar uma decisão.

LLMs foram feitos para texto. GPT-6 e Claude 5.1 são, na essência, modelos de linguagem que ganharam capacidade multimodal. A visão é um “add-on”, não o core. Quando recebem uma imagem dermatoscópica, precisam converter informação visual em representações que o pipeline de linguagem consiga processar. Esse processo perde informação.

Pesquisas recentes confirmam isso. Um estudo publicado na Frontiers in Digital Health em 2026 mostrou que modelos multimodais atingem mais de 90% de acurácia em questões médicas baseadas em texto, mas caem para 50 a 80% quando precisam interpretar imagens do mesmo domínio. O gap é real e consistente.

“Large language models are not optimized for diagnostics. They are built for linguistics and conversation, and they generate explanations that sound authoritative, even when their underlying interpretation is wrong.”

Frontiers in Digital Health, 2026

Esse é o ponto que mais incomoda: LLMs erram com confiança. Eles dão diagnósticos errados com explicações elaboradas e convincentes. Para um médico que usa a ferramenta como segunda opinião, isso é perigoso.

O caso do melanoma que os LLMs mandaram embora

O estudo traz um caso particularmente assustador. Uma das 200 lesões era um melanoma invasivo fino. Sutil, difícil de detectar visualmente. O tipo de lesão onde errar o diagnóstico pode custar uma vida.

A CNN identificou corretamente como melanoma.

O GPT-6 Astra disse que era ceratose seborreica (uma lesão benigna) e recomendou alta. O Claude Fable 5.1 fez o mesmo diagnóstico errado.

Se um paciente dependesse exclusivamente desses LLMs, teria sido mandado para casa com um melanoma invasivo crescendo. Na dermatologia, esse tipo de erro não é apenas um “falso negativo”. É potencialmente fatal.

No total, dos 30 casos de melanoma no dataset:

Nenhum dos três é bom o suficiente para uso clínico isolado (43% é preocupante). Mas a CNN ainda detecta 60% mais melanomas que o GPT-6. Em oncologia, cada caso importa.

A CNN roda no navegador do celular

Outro detalhe que o Dr. Lynch destaca: a Inception v3 é “pequena o suficiente para rodar inteiramente no navegador de um celular usando WebGPU”.

Pensa nisso. Um modelo que vence os maiores LLMs do mundo em diagnóstico dermatológico pode funcionar offline, no celular, sem servidor, sem API, sem custo por requisição. Para regiões remotas com acesso limitado à internet e a dermatologistas, isso muda tudo.

Compare com usar GPT-6 via API:

A coluna de privacidade é especialmente relevante. Enviar imagens médicas para uma API cloud levanta questões sérias de LGPD/HIPAA. Uma CNN local elimina esse problema completamente.

O hype nos cegou?

Eu vou ser direto: esse estudo é um banho de água fria no hype de “LLMs resolvem tudo”. A narrativa dominante dos últimos dois anos é que modelos de linguagem grandes são a solução universal. Que basta escalar parâmetros e tudo melhora.

Mas a realidade é mais nuanceada. LLMs são extraordinários para tarefas de linguagem, raciocínio, código e conversação. Para classificação visual especializada, porém, ferramentas dedicadas ainda vencem com folga.

Isso não é novidade para quem trabalha com machine learning de verdade. O princípio do “No Free Lunch” (Wolpert, 1996) já dizia: nenhum algoritmo é universalmente superior para todos os problemas. Um modelo especialista, treinado especificamente para uma tarefa, tende a superar um generalista naquela tarefa.

O problema é que o marketing da IA generativa fez muita gente esquecer isso. Startups estão substituindo pipelines de ML clássico por chamadas de API para LLMs, achando que “o modelo grande resolve”. Às vezes resolve. Às vezes, como mostra esse estudo, você gasta mil vezes mais para ter um resultado pior.

Quando usar CNN e quando usar LLM

Não é uma questão de um ser melhor que o outro. É sobre escolher a ferramenta certa.

Use CNNs (ou modelos especializados) quando:

• A tarefa é classificação de imagem bem definida
• Você tem dados rotulados de qualidade
• Precisa de baixa latência e/ou execução offline
• Privacidade dos dados é crítica
• O custo por inferência importa

Use LLMs quando:

• A tarefa envolve raciocínio em linguagem natural
• Você precisa explicar o “porquê” de uma decisão
• O input é multimodal e complexo (texto + imagem + contexto)
• Você não tem dados rotulados para treinar um modelo específico
• A flexibilidade é mais importante que a precisão máxima

Na prática médica, o ideal seria combinar os dois: uma CNN para a classificação visual de alta acurácia e um LLM para gerar o relatório explicativo e considerar o contexto clínico do paciente. Mas isso exige engenharia de software de verdade, não apenas colar uma API key num frontend bonito.

O que o ISIC Archive tem a ver com isso

O ISIC (International Skin Imaging Collaboration) Archive é um dos maiores repositórios públicos de imagens dermatológicas do mundo. São dezenas de milhares de imagens classificadas e, em muitos casos, confirmadas por biópsia.

É graças a datasets como esse que uma CNN pode ser treinada em 20 minutos. Os dados estão lá, públicos, de graça. Qualquer pesquisador ou desenvolvedor pode baixar e treinar um modelo.

# Exemplo simplificado de fine-tuning com TensorFlow
import tensorflow as tf
from tensorflow.keras.applications import InceptionV3
from tensorflow.keras.layers import Dense, GlobalAveragePooling2D

# Carregar modelo pré-treinado (sem a camada de classificação)
base_model = InceptionV3(weights='imagenet', include_top=False,
                          input_shape=(299, 299, 3))

# Congelar camadas base
base_model.trainable = False

# Adicionar classificador customizado
model = tf.keras.Sequential([
    base_model,
    GlobalAveragePooling2D(),
    Dense(256, activation='relu'),
    Dense(6, activation='softmax')  # 6 categorias diagnósticas
])

model.compile(optimizer='rmsprop',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

# Fine-tuning com imagens ISIC
model.fit(train_dataset, epochs=10, validation_data=val_dataset)

Esse código é uma simplificação, claro. O Dr. Lynch provavelmente usou técnicas adicionais como data augmentation, learning rate scheduling e descongelamento gradual das camadas. Mas o ponto permanece: o pipeline é direto e acessível.

Implicações para o ecossistema de IA em saúde

Esse estudo levanta questões importantes para quem está construindo produtos de IA na área médica.

Para startups: antes de montar toda a sua stack em cima de APIs de LLM, valide se um modelo especializado não resolve melhor (e mais barato). Você pode combinar um classificador CNN com um LLM para a camada de UX sem sacrificar acurácia.

Para hospitais e clínicas: cuidado com soluções que usam LLMs genéricos para diagnóstico visual. Peça benchmarks. Compare com modelos especializados. O marketing de “powered by GPT” não significa que é a melhor solução.

Para reguladores (ANVISA, FDA): modelos menores e especializados são mais fáceis de auditar, validar e certificar. Uma CNN de 42 camadas é transparente comparada a um LLM de trilhões de parâmetros.

Para pesquisadores: continuem publicando comparações como essa. O campo precisa de honestidade brutal sobre o que funciona e o que não funciona. O hype não salva vidas; dados, sim.

WebGPU e o futuro do diagnóstico no celular

Um aspecto técnico que merece atenção: o Dr. Lynch menciona que a CNN pode rodar via WebGPU no navegador. WebGPU é a API moderna que substitui o WebGL para computação de GPU no browser. Ela permite inferência de modelos de ML diretamente no dispositivo do usuário.

Isso abre possibilidades reais:

• Triagem em postos de saúde rurais sem internet estável
• Apps de autoexame onde o paciente fotografa uma lesão e recebe uma avaliação preliminar sem que a imagem saia do celular
• Ferramentas de ensino para residentes de dermatologia

O TensorFlow.js e o ONNX Runtime Web já suportam WebGPU. Colocar a Inception v3 para rodar no browser não é ficção científica, é engenharia de frontend.

// Inferência no browser com TensorFlow.js + WebGPU
import * as tf from '@tensorflow/tfjs';
await tf.setBackend('webgpu');
await tf.ready();

const model = await tf.loadLayersModel('/model/inception_v3/model.json');
const image = tf.browser.fromPixels(imageElement)
  .resizeBilinear([299, 299])
  .expandDims(0)
  .div(255.0);

const prediction = model.predict(image);
const classIndex = prediction.argMax(1).dataSync()[0];
const classes = ['melanoma', 'bcc', 'scc', 'ak', 'naevus', 'sk'];
console.log(`Diagnóstico: ${classes[classIndex]}`);

O que vem pela frente

O estudo do Dr. Lynch não prova que LLMs são inúteis. Longe disso. Prova que, para tarefas visuais especializadas, a engenharia focada ainda importa mais que o tamanho do modelo. Prova que 20 minutos de treino especializado podem valer mais que bilhões de dólares em treino genérico.

Se você está construindo algo com IA, a lição é simples: comece pelo problema, não pela tecnologia. Às vezes a resposta é um transformer com trilhões de parâmetros. Às vezes é uma CNN de 2015 que roda no navegador.

E se alguém te disser que LLMs são a solução para tudo, mostra essa tabela: 62% contra 42%. A realidade não liga para hype.

Fonte de inspiração: LLM Skin Cancer, Lynch Lab