Ia alcança precisão notável na detecção precoce de melanoma
Um sistema inovador de inteligência artificial (IA) demonstrou uma precisão de 94,5% na identificação de melanoma, o tipo mais agressivo de câncer de pele. A tecnologia avançada combina a análise de imagens dermatoscópicas de lesões cutâneas com informações clínicas essenciais dos pacientes, como idade, sexo e localização das pintas no corpo. Este método se mostrou significativamente mais eficaz em comparação com os modelos tradicionais atualmente em uso.
Desenvolvido por uma equipe de pesquisadores da Universidade Nacional de Incheon, na Coreia do Sul, em colaboração com instituições do Reino Unido e Canadá, o sistema representa um avanço promissor para diagnósticos mais rápidos e acessíveis. O estudo enfatiza o potencial da integração de diferentes tipos de dados para melhorar a detecção precoce do melanoma, um fator crucial para aumentar as chances de cura.
O melanoma é notoriamente difícil de identificar apenas pela aparência, muitas vezes se assemelhando a pintas benignas, o que pode levar a erros de diagnóstico mesmo por dermatologistas experientes. Essa dificuldade diagnóstica é especialmente preocupante devido à alta capacidade do tumor de invadir camadas profundas da pele e se espalhar para outros órgãos.
O tempo é um fator crítico no tratamento do melanoma. Quando detectado em estágios iniciais, a remoção cirúrgica geralmente resulta em taxas de sobrevida superiores a 95%. No entanto, o atraso no diagnóstico aumenta o risco de metástase, tornando os tratamentos mais agressivos e reduzindo as chances de sobrevivência.
Ao contrário dos modelos de IA anteriores que se concentravam exclusivamente na análise de imagens, o novo sistema considera fatores clínicos que desempenham um papel crucial na avaliação do risco e na tomada de decisões médicas. Essa abordagem multimodal preenche lacunas importantes, especialmente em casos visualmente ambíguos onde sinais relevantes podem não ser evidentes na superfície da pele.
O sistema foi treinado utilizando o SIIM-ISIC, um dos maiores bancos de dados públicos de imagens dermatoscópicas, composto por mais de 33 mil fotos de lesões acompanhadas de metadados clínicos. A IA opera em duas frentes: uma rede neural convolucional extrai padrões visuais das imagens, enquanto outra rede analisa dados clínicos como idade, sexo e localização anatômica das pintas. As informações são combinadas para classificar a probabilidade de melanoma.
Durante os testes, a abordagem multimodal alcançou uma precisão de 94,5% e um F1-score de 0,94, superando modelos baseados apenas em imagem. Os resultados destacam a importância da integração de diferentes tipos de dados em decisões clínicas complexas. A análise da importância de cada variável revelou que o tamanho da lesão, a idade do paciente e a região do corpo onde a pinta aparece são elementos cruciais no diagnóstico.
Os pesquisadores visam que o sistema possa ser usado em aplicativos de triagem em celulares, plataformas de teledermatologia e ferramentas de apoio a dermatologistas, especialmente em regiões com poucos especialistas.
