Em seis anos, 79.318 bois passaram pela linha de abate de um frigorífico no Cariri cearense. Em 36 deles, o médico-veterinário da inspeção encontrou algo que mandou a carcaça inteira para a condenação: lesões compatíveis com tuberculose. Trinta e seis em quase oitenta mil parece pouco. E é. Mas há um detalhe que transforma esse número pequeno em uma pergunta grande: os casos apareceram em todos os anos, sem subir e sem cair. Como se a doença estivesse ali, quieta, esperando a próxima inspeção.
Ao mesmo tempo, do outro lado do Atlântico, pesquisadores britânicos treinaram uma rede neural para tentar dizer, a partir do leite de rotina, quais vacas provavelmente reagiriam ao teste de tuberculose. A pergunta que une as duas histórias é a mesma que o leitor deste canal faz toda vez que a inteligência artificial aparece na pauta: o algoritmo enxerga o que o inspetor não vê — ou só repete, com outra roupa, os limites que já conhecemos?
O que a ciência encontrou na linha de abate
O estudo foi publicado em abril de 2026 na revista Tropical Animal Health and Production por pesquisadores da Universidade Federal do Cariri (UFCA) e da Agência de Defesa Agropecuária do Estado do Ceará (Adagri). Os autores analisaram, de forma retrospectiva, os registros oficiais de inspeção post mortem de um frigorífico de Juazeiro do Norte que opera sob o Serviço de Inspeção Estadual, de janeiro de 2020 a dezembro de 2025.
Os números principais:
- 79.318 bovinos abatidos e 36 carcaças condenadas totalmente por lesões sugestivas de tuberculose bovina;
- prevalência de 0,045% (intervalo de confiança de 95%: 0,032% a 0,063%), sem tendência temporal estatisticamente significativa;
- fêmeas responderam por 61,1% dos casos e tiveram chance cerca de 5,8 vezes maior de condenação que machos (razão de chances de 5,76; IC 95%: 2,92 a 11,37);
- 75% dos animais afetados tinham mais de 36 meses;
- os animais vieram de 16 municípios, a maioria do Ceará e alguns de áreas vizinhas de Pernambuco, com Crato, Missão Velha e Várzea Alegre no topo da lista.
As lesões eram, em sua maioria, granulomatosas, com necrose caseosa e calcificação, principalmente em pulmões, linfonodos mediastínicos, diafragma, fígado, coração e cavidades torácica e abdominal. Houve casos de pleurite granulomatosa, granulomas disseminados e formas miliares.
Os autores interpretam a maior frequência em fêmeas mais velhas como reflexo de manejo e permanência no rebanho, por exemplo vacas de descarte de sistemas leiteiros, e não como uma suscetibilidade biológica do sexo. É uma leitura prudente: a vaca que vive mais tempo no rebanho tem mais tempo para se infectar e para a lesão evoluir até ficar visível.
Os limites do estudo
Aqui está o parágrafo que nenhum leitor deveria pular. O diagnóstico foi exclusivamente macroscópico. Não houve histopatologia, cultura bacteriana nem teste molecular; portanto, o estudo não confirma que o agente era Mycobacterium bovis. Lesões granulomatosas podem ter outras causas, e algumas carcaças entraram na contagem pelo padrão sistêmico, mesmo sem a lesão caseosa típica.
Os próprios autores listam as demais limitações: dados secundários de registros de rotina; um único frigorífico, que reflete um contexto local e não o Nordeste inteiro; ausência de dados de testes nas propriedades de origem; e o fato de que a inspeção capta sobretudo casos avançados. Por isso, eles afirmam que a prevalência observada provavelmente subestima a infecção nos rebanhos. O estudo não diz que a tuberculose bovina é rara no Cariri. Diz que a forma visível na linha de abate é rara — e persistente.
O que já se sabia
A tuberculose bovina não é só problema de pecuária. É zoonose. A Organização Mundial da Saúde estimou cerca de 120 mil novos casos humanos de tuberculose zoonótica em 2014 e aponta o consumo de leite e derivados não pasteurizados como a via de transmissão mais comum. O M. bovis tem ainda uma particularidade clínica incômoda: é naturalmente resistente à pirazinamida, um dos fármacos de primeira linha do tratamento da tuberculose humana.
No Brasil, o Programa Nacional de Controle e Erradicação da Brucelose e da Tuberculose Animal (PNCEBT) foi criado pelo MAPA em 2001, e seu regulamento técnico atual é a Instrução Normativa nº 10/2017. O programa padroniza o diagnóstico, feito em campo por médicos-veterinários habilitados com tuberculinização, e prevê a certificação de propriedades livres. Já mostramos aqui que essa certificação está concentrada em poucos estados do Sul.
O estudo do Cariri reforça o que os próprios autores concluem: o abatedouro é um complemento útil e de baixo custo para a vigilância, mas detecta sobretudo casos avançados. Ele vê o fim da história, não o começo.
E a inteligência artificial nessa história?
É aqui que entra o segundo estudo. Em 2020, pesquisadores do Scotland’s Rural College publicaram no Journal of Dairy Science um modelo de aprendizado profundo para prever o status de tuberculose de vacas leiteiras a partir de espectros de infravermelho médio do leite, obtidos nas análises do controle leiteiro mensal de rotina.
O desenho foi engenhoso. Os autores usaram registros dos programas oficiais de tuberculose da Escócia, da Inglaterra e do País de Gales, que somam mais de 40.500 focos em rebanhos, e definiram cada vaca como reagente ou não reagente combinando teste cutâneo comparativo, cultura, destino ao abate e presença de lesões. Os espectros do leite, colhidos até 15 dias antes ou depois do teste, foram transformados em pequenas imagens e usados para treinar uma rede neural convolucional.
O resultado com dados reais: acurácia de 71%, sensibilidade de 0,79 e especificidade de 0,65. Depois, os autores equilibraram as classes com dados sintéticos gerados por uma técnica chamada SMOTE, que cria exemplos artificiais do grupo minoritário. Com isso, as métricas relatadas subiram para 95% de acurácia, 0,96 de sensibilidade e 0,94 de especificidade.
O que poucos percebem é que esses dois conjuntos de números contam histórias diferentes. O primeiro mede o desempenho com a distribuição real dos dados. O segundo mede o desempenho depois de uma intervenção estatística que muda a proporção entre doentes e sadios. Isso não torna o estudo inválido; torna obrigatória a pergunta seguinte: como o modelo se comporta em rebanhos que ele nunca viu, com a prevalência real do lugar onde será usado?
Um cálculo simples, apenas ilustrativo, mostra por que isso importa. Imagine 10 mil vacas em uma região com 1% de animais infectados. Com sensibilidade de 0,79 e especificidade de 0,65, o modelo encontraria 79 dos 100 animais infectados — e geraria cerca de 3.465 alarmes falsos entre as 9.900 vacas sadias. Um “acerto de 71%” pode significar, na prática, dezenas de alarmes falsos para cada caso verdadeiro. O algoritmo vê o que foi treinado para ver, e a prevalência do mundo real decide quanto isso vale.
Os próprios autores apresentam o modelo como ferramenta para apoiar decisões precoces de manejo sobre possíveis reagentes. É assim que ele deve ser lido: um sinal de alerta, não um diagnóstico.
O que isso pode mudar na prática
Juntas, as duas pesquisas desenham um mapa útil para o Brasil.
Primeiro: os registros de condenação já são dados. O estudo do Cariri só existiu porque alguém registrou, carcaça por carcaça, o que foi visto na linha. Esse é o ativo que qualquer projeto de IA precisaria para começar — e ele só vale se for padronizado, rastreável até a propriedade de origem e, idealmente, acompanhado de confirmação laboratorial de parte dos casos.
Segundo: a IA, se vier, deve entrar como triagem, não como veredito. Um modelo que aponta rebanhos ou animais com maior probabilidade de infecção pode ajudar a priorizar testes de campo e auditorias. A decisão sanitária continua amparada nos métodos oficiais do PNCEBT e na responsabilidade do médico-veterinário. Isso não é conservadorismo. É o que a norma vigente exige.
Terceiro: a lacuna brasileira não é de algoritmo, é de ligação entre bases. O abatedouro sabe o que viu; a defesa agropecuária sabe de onde o animal veio; o programa sabe quais propriedades testaram. Enquanto esses dados não conversam, nem o inspetor nem a máquina enxergam o rebanho inteiro.
Conclusão
Trinta e seis carcaças em seis anos não são um alarme. São um sinal persistente, captado no ponto final da cadeia, por um método que só vê o que já ficou grave. A inteligência artificial pode, um dia, ajudar a enxergar mais cedo — desde que seus números sejam lidos com a mesma exigência que aplicamos a qualquer teste diagnóstico. O consumidor vê o alimento. A inspeção vê o caminho que ele percorreu. E, quando registra bem o que vê, ajuda a encurtar esse caminho para a próxima doença.
Referências
- Aragão BB, de Carvalho VC, de Lima LGGS, et al. (2026). Retrospective epidemiological surveillance of bovine tuberculosis in a slaughterhouse in Northeastern Brazil. Tropical Animal Health and Production, 58:238. DOI: 10.1007/s11250-026-05038-1 — https://link.springer.com/article/10.1007/s11250-026-05038-1
- Denholm SJ, Brand W, Mitchell A, et al. (2020). Predicting bovine tuberculosis status of dairy cows from mid-infrared spectral data of milk using deep learning. Journal of Dairy Science, 103(10):9355–9367. DOI: 10.3168/jds.2020-18328 — https://pure.sruc.ac.uk/en/publications/predicting-bovine-tuberculosis-status-of-dairy-cows-from-mid-infr/
- Organização Mundial da Saúde — WHO and The Union organize landmark consultation to galvanize action against zoonotic TB (2016) — https://www.who.int/news/item/16-04-2016-who-and-the-union-organize-landmark-consultation-to-galvanize-action-against-zoonotic-tb
- Adepará — Programa Nacional de Controle e Erradicação da Brucelose e Tuberculose Animal (PNCEBT): histórico e base legal — https://www.adepara.pa.gov.br/sites/default/files/Programa%20da%20Brucelose%20e%20Tuberculose%20-%20Site%20-%2019-09-2024_0.pdf
Leia também no Além do Carimbo: “97% em dois estados: o mapa desigual da tuberculose bovina no Brasil — e o que a inspeção vê na linha de abate” e “Glossário de IA para quem trabalha com inspeção: 20 termos para não ser enganado por um número bonito”.
Deixe um comentário