Um novo sistema de inteligência artificial (IA) demonstrou ser capaz de identificar o melanoma – o tipo mais agressivo de câncer de pele – com 94,5% de precisão. A inovação está na integração da análise da imagem da lesão com informações clínicas básicas do paciente, como idade, sexo e localização da pinta no corpo.
O estudo foi conduzido por pesquisadores da Universidade Nacional de Incheon, na Coreia do Sul, em colaboração com cientistas do Reino Unido e do Canadá. O objetivo é dar um salto na detecção precoce da doença.
O melanoma é um dos tumores de pele mais difíceis de diagnosticar, pois muitas lesões parecem benignas. Sem diagnóstico precoce, a doença, que é altamente agressiva, pode se espalhar rapidamente. Se identificado na fase inicial, o tumor é removido com cirurgia simples e a taxa de sobrevida ultrapassa 95%.
Funcionamento do Modelo
A maioria das ferramentas de IA até agora se limitava a analisar apenas a imagem da lesão, ignorando dados clínicos que influenciam o risco. O novo sistema, no entanto, imita a tomada de decisão humana ao combinar essas informações.
O grupo liderado pelo professor Gwangill Jeon treinou um modelo de aprendizado profundo com um banco internacional que reúne mais de 33 mil imagens dermatoscópicas acompanhadas de metadados clínicos.
A IA aprendeu a reconhecer padrões sutis que associam o aspecto da lesão (cor, borda, textura) com dados do paciente, como idade e localização anatômica. A tecnologia atingiu um desempenho superior ao de modelos baseados apenas em imagem.
Os pesquisadores também destacaram a transparência do modelo. A investigação mostrou que o tamanho da lesão, a idade e a região do corpo onde a pinta aparece são elementos com peso significativo no acerto do diagnóstico.
Aplicações Práticas
O modelo foi desenvolvido com foco em aplicações práticas na rotina médica. Segundo o professor Jeon, a tecnologia pode ser usada em:
Aplicativos de triagem em smartphones.
Plataformas de teledermatologia.
Ferramentas de apoio à decisão em consultórios.
Essa tecnologia pode proporcionar um acesso mais rápido à análise inicial, especialmente em regiões remotas com poucos especialistas. Os pesquisadores pretendem adaptar o modelo a diferentes populações e, no futuro, incorporá-lo a sistemas de saúde inteligentes.
Deixe seu comentário
