Um novo sistema de inteligência artificial está trazendo avanços importantes na detecção do câncer de pele, especialmente do melanoma, ao unir imagens de lesões cutâneas com dados clínicos do paciente. A tecnologia, que atingiu 94,5% de precisão, promete tornar o diagnóstico mais rápido e acessível, sobretudo em locais com poucos especialistas.
Câncer de pele: IA melhora a identificação do melanoma
Pesquisadores da Universidade Nacional de Incheon, na Coreia do Sul, desenvolveram um modelo capaz de analisar simultaneamente a aparência da lesão e informações básicas do paciente, como idade, sexo e localização anatômica da pinta. O foco principal é o melanoma, o tipo mais agressivo de câncer de pele e também um dos mais difíceis de diagnosticar.
A dificuldade ocorre porque muitas lesões suspeitas se assemelham a pintas comuns, o que pode atrasar o início do tratamento. Em casos de melanoma, cada semana é crucial devido ao comportamento altamente invasivo do tumor, que pode atingir vasos linfáticos e sanguíneos e se espalhar rapidamente para órgãos vitais.
Por que o melanoma é tão perigoso
Embora existam outros tipos de câncer de pele, como carcinoma basocelular e espinocelular, o melanoma é reconhecido pela rapidez com que evolui. Quando detectado em estágio inicial, o tratamento costuma ser simples e altamente eficaz, com taxas de sobrevida acima de 95%. Porém, diagnósticos tardios exigem terapias mais intensas e têm maior probabilidade de resultar em metástase, reduzindo consideravelmente as chances de recuperação.
Como funciona o modelo de inteligência artificial
O novo sistema se diferencia de outras ferramentas por combinar dados clínicos com análise visual. O grupo liderado pelo professor Gwangill Jeon treinou o modelo com mais de 33 mil imagens dermatoscópicas do banco internacional SIIM-ISIC, acompanhadas de informações sobre os pacientes.
Elementos que a IA leva em conta
A ferramenta foi treinada para reconhecer padrões associados ao risco de melanoma, considerando:
– características visuais da lesão, como cor, textura, bordas e assimetria;
– idade do paciente;
– sexo;
– região do corpo onde a pinta está localizada.
Com essa integração, o sistema superou modelos tradicionais baseados apenas em imagem, como ResNet-50 e EfficientNet, alcançando 94,5% de precisão e F1-score de 0,94.
Transparência e apoio ao diagnóstico médico
Os pesquisadores realizaram uma análise de importância das variáveis, permitindo identificar quais fatores têm maior impacto na previsão do modelo. Entre eles, destacam-se o tamanho da lesão, a idade do paciente e o local da pinta no corpo.
Essa transparência facilita a adoção da tecnologia por dermatologistas, que podem utilizá-la como ferramenta de apoio, e não como substituta, aumentando a confiança no processo de avaliação.
O modelo foi projetado para uso prático e pode integrar diferentes serviços voltados ao diagnóstico precoce do câncer de pele. As aplicações incluem:
– aplicativos de triagem em smartphones;
– plataformas de teledermatologia;
– ferramentas de suporte à decisão em consultórios.
Essa versatilidade pode beneficiar regiões remotas e unidades com poucos profissionais especializados, acelerando o encaminhamento de pacientes e reduzindo erros iniciais.
O estudo, publicado na revista Information Fusion, fortalece a tendência de sistemas multimodais que combinam diferentes tipos de dados. A equipe pretende iniciar testes clínicos mais amplos, adaptar a tecnologia a populações diversas e, futuramente, integrá-la a plataformas de saúde inteligentes.
