- Universidade Federal do Pampa, ligada ao Ministério da Educação, desenvolveu IA que analisa imagens dermatoscópicas para apoiar diagnóstico precoce do câncer de pele, com cerca de oitenta por cento de acertos.
- O projeto foi coordenado pela estudante Eduarda Silveira, com orientação do docente Sandro Camargo, e os resultados foram publicados na Revista Brasileira de Cancerologia.
- O sistema identifica oito classes de lesões e, ao receber uma imagem, emite uma sugestão de diagnóstico com nível de confiança, visando apoiar a triagem no SUS em regiões com menos dermatologistas.
- Na validação interna, 90 por cento das imagens foram usadas para treino e 10 por cento para teste; na validação externa, o modelo foi aplicado a 58 imagens dermatoscópicas inéditas em ambiente clínico real.
- O desempenho alcançado foi de 80,44 por cento de sensibilidade, com limitações em relação a imagens de baixa qualidade, variação de tons de pele e à ausência de informações clínicas do paciente; próximos passos incluem ampliar bases de dados e realizar novas validações em ambientes clínicos.
A Universidade Federal do Pampa (Unipampa), vinculada ao MEC, desenvolveu uma inteligência artificial capaz de analisar imagens dermatoscópicas e auxiliar no diagnóstico precoce do câncer de pele. O projeto é conduzido pela estudante Eduarda Silveira, orientada pelo professor Sandro Camargo. Os resultados foram publicados na Revista Brasileira de Cancerologia, ligada ao Inca e ao MS.
A inovação envolve redes neurais profundas treinadas com milhares de imagens de lesões classificadas por biópsia. O sistema oferece uma sugestão de diagnóstico com nível de confiança e identifica oito classes de lesões, incluindo melanoma. O objetivo é apoiar médicos, especialmente onde há escassez de dermatologistas.
O estudo descreve um pipeline completo, desde a identificação das lesões até a validação interna e externa com imagens reais. A abordagem demonstra viabilidade técnica e potencial para transferência para uso clínico na triagem dermatológica.
O modelo atingiu 80,44% de sensibilidade, ao identificar oito de dez imagens. Os autores comentam que índices são compatíveis com pesquisas internacionais semelhantes, mesmo sendo um estudo-piloto com conjunto reduzido de imagens.
A pesquisadora destaca que a qualidade das imagens facilita o desempenho. Lesões raras ou imagens de baixa qualidade apresentam maior dificuldade, reforçando a necessidade de dados mais diversos.
A validação interna utilizou 90% de dados para treino e 10% para teste. A validação externa envolveu 58 imagens dermatoscópicas de ambiente clínico, inéditas e analisadas pelo sistema.
O estudo seguiu normas éticas, com dados públicos anonimizados e aprovação das resoluções do Conselho Nacional de Saúde. A parceria com o SUS visa ampliar a triagem em regiões sem especialistas.
Para os pesquisadores, o uso pode reduzir desigualdades no acesso a dermatologistas e apoiar médicos generalistas na atenção primária, sem substituir o diagnóstico clínico. A ferramenta atua como apoio à decisão médica.
Próximos passos envolvem ampliar bases de dados, melhorar o desempenho e realizar novas validações em ambientes clínicos reais. A implementação depende de apoio de órgãos como o Ministério da Saúde e o Inca.
Entre na conversa da comunidade