Sistema de IA consegue identificar melanoma
Um novo sistema de inteligência artificial (IA) conseguiu identificar melanoma — o tipo mais agressivo de câncer de pele — com 94,5% de precisão, ao integrar a análise da imagem da lesão com informações clínicas básicas do paciente, como idade, sexo e local do corpo onde a pinta aparece.
A abordagem, descrita por pesquisadores da Universidade Nacional de Incheon, na Coreia do Sul, promete dar um salto na detecção precoce da doença e ampliar o acesso ao diagnóstico.
Melanoma é difícil de identificar
O melanoma é um dos tumores de pele mais difíceis de diagnosticar, mesmo para especialistas. Além disso, muitas lesões parecem benignas e, portanto, confundem médicos, o que pode atrasar o início do tratamento. Nesse tipo de câncer, entretanto, cada semana faz diferença, já que a agilidade é essencial para o sucesso terapêutico.
Isso porque o melanoma é altamente agressivo e tem grande capacidade de invadir camadas profundas da pele e alcançar vasos sanguíneos e linfáticos. Quando isso ocorre, as células cancerígenas se espalham rapidamente para outros órgãos, como pulmões, fígado e cérebro.
A evolução costuma ser muito mais veloz do que em outros tipos de câncer de pele, como o carcinoma basocelular ou o espinocelular. Por isso, o diagnóstico precoce é considerado o principal fator para aumentar as chances de cura: quando identificado ainda na fase inicial, o melanoma pode ser removido com cirurgia simples, com taxas de sobrevida que ultrapassam 95%.
Com atraso, porém, o cenário muda: a doença exige tratamentos mais agressivos, tem risco maior de metástase e as chances de sobrevivência caem de forma significativa.
Como o modelo funciona
Até agora, a maior parte das ferramentas de IA analisava apenas a imagem para identificar melanoma e, portanto, ignorava dados clínicos que também influenciam o risco. No entanto, o novo estudo mostra que unir essas duas camadas de informação melhora a performance. Além disso, deixa o sistema mais parecido com a tomada de decisão humana.
O grupo liderado pelo professor Gwangill Jeon, do Departamento de Engenharia de Sistemas Embarcados, treinou um modelo de aprendizado profundo com o banco internacional SIIM-ISIC. Esse banco reúne mais de 33 mil imagens dermatoscópicas acompanhadas de metadados clínicos e, assim, permite resultados mais precisos e completos.
A IA aprendeu a reconhecer padrões sutis que associam:
- aspecto da lesão (cor, borda, textura, assimetria);
- idade do paciente;
- sexo;
- localização anatômica da pinta.
Com essa combinação, a tecnologia atingiu 94,5% de precisão e um F1-score de 0,94. Assim, apresentou desempenho superior ao de modelos consagrados que se baseiam apenas em imagem, como ResNet-50 e EfficientNet.
“O melanoma é difícil de diagnosticar apenas pelas características visuais. Precisávamos de tecnologias que convergissem imagem e dados do paciente”, explicou Jeon ao apresentar o trabalho.
Mais transparente: o que a IA leva em conta
Os pesquisadores também fizeram uma análise de importância das variáveis, um passo essencial para que médicos entendam e confiem no resultado.
A investigação mostrou que alguns elementos têm peso significativo no acerto do diagnóstico, como:
