IA ajuda médicos a identificar câncer de pele com mais precisão

A Universidade Federal do Pampa (Unipampa), no Rio Grande do Sul, desenvolveu um modelo de inteligência artificial capaz de analisar imagens de lesões na pele e auxiliar no diagnóstico precoce do câncer de pele. A instituição é vinculada ao Ministério da Educação (MEC).

A pesquisa foi conduzida pela estudante de engenharia de computação Eduarda Silveira, sob orientação do professor Sandro Camargo. Os resultados foram publicados na Revista Brasileira de Cancerologia, do Instituto Nacional do Câncer (Inca), ligado ao Ministério da Saúde.

Segundo a autora, o projeto surgiu da necessidade de ampliar o apoio ao diagnóstico em locais com escassez de especialistas. Como a avaliação clínica já utiliza imagens dermatoscópicas, a inteligência artificial se mostrou uma alternativa promissora para identificar padrões nessas imagens e atuar como ferramenta de apoio ao médico, especialmente onde o acesso a dermatologistas é limitado.

O sistema é baseado em redes neurais profundas treinadas com milhares de imagens dermatoscópicas de lesões previamente classificadas e confirmadas por biópsia. O modelo aprende padrões relacionados à cor, forma e estrutura das lesões e, ao analisar uma nova imagem, apresenta uma sugestão de diagnóstico acompanhada de um nível de confiança. Ao todo, a ferramenta é capaz de identificar oito classes diferentes de lesões cutâneas, incluindo o melanoma e outros tipos de câncer de pele.

De acordo com Camargo, o principal diferencial do estudo está na construção de um processo completo e validado. O trabalho envolveu desde a identificação manual das lesões e o pré-processamento das imagens até o treinamento do modelo e validações internas e externas com imagens clínicas reais, o que demonstra a viabilidade técnica e o potencial de uso na prática clínica.

Nos testes, o modelo identificou corretamente oito a cada dez imagens analisadas e alcançou sensibilidade de 80,44%. Segundo o professor, o desempenho está dentro da faixa observada em pesquisas internacionais semelhantes, que apontam sensibilidades entre 72% e 89% e acurácia média entre 78% e 91%. Para ele, os resultados são promissores, especialmente por se tratar de um estudo-piloto com um conjunto reduzido de imagens anotadas manualmente.

A pesquisadora destaca que o desempenho do sistema é melhor quando as imagens são de boa qualidade e obtidas com dermatoscópio. Lesões raras e imagens fora do padrão ainda representam desafios. A confiabilidade do modelo foi avaliada em duas etapas: na validação interna, com divisão das imagens em 90% para treino e 10% para teste; e na validação externa, com a aplicação do sistema em 58 imagens dermatoscópicas inéditas, obtidas em ambiente clínico real.

O estudo seguiu princípios éticos, com uso de dados públicos anonimizados e em conformidade com as resoluções nº 466/2012 e nº 510/2016 do Conselho Nacional de Saúde.

Para o orientador, o trabalho exemplifica como a pesquisa universitária pode gerar impacto direto na saúde da população. A integração entre computação e saúde, segundo ele, permite o desenvolvimento de soluções tecnológicas com impacto social, além de formar estudantes preparados para lidar com problemas reais e contribuir com o sistema público de saúde.

A tecnologia pode apoiar o Sistema Único de Saúde (SUS), especialmente em regiões sem especialistas, ao contribuir para a triagem precoce do câncer de pele na atenção primária. A ferramenta pode auxiliar médicos generalistas a identificar lesões que demandam maior atenção e priorizar encaminhamentos, ajudando a reduzir desigualdades regionais no acesso a dermatologistas.

A pesquisadora ressalta que o sistema não substitui o diagnóstico médico e foi desenvolvido para uso restrito ao ambiente clínico, com imagens obtidas por dermatoscópio. Entre as limitações estão a diversidade ainda reduzida de dados, especialmente em relação a diferentes tons de pele, e o fato de o modelo analisar apenas imagens, sem considerar informações clínicas dos pacientes.

Os próximos passos do projeto incluem a ampliação das bases de dados, o aprimoramento do desempenho do modelo e novas validações em ambientes clínicos reais. Para que a tecnologia seja aplicada na prática, será necessário o envolvimento de instituições como o Ministério da Saúde, o Inca e a Sociedade Brasileira de Dermatologia.