Sistema de aprendizagem profunda pode transformar a detecção de câncer de pele com precisão quase perfeita

O melanoma continua sendo um dos cânceres de pele mais difíceis de diagnosticar porque muitas vezes imita manchas ou lesões inofensivas. Embora a maioria das ferramentas de inteligência artificial (IA) dependam apenas de imagens dermatoscópicas, muitas vezes ignoram informações cruciais do paciente (como idade, sexo ou onde a lesão aparece no corpo) que podem melhorar a precisão do diagnóstico. Isto destaca a importância dos modelos de fusão multimodal que podem permitir diagnósticos de alta precisão.

Para preencher essa lacuna, o professor Gwangill Jeon do Departamento de Engenharia de Sistemas Embarcados da Universidade Nacional de Incheon, Coreia do Sul, em colaboração com a Universidade do Oeste da Inglaterra (Reino Unido), a Universidade Anglia Ruskin (Reino Unido) e o Royal Military College of Canada, criou um modelo de aprendizagem profunda que integra dados de pacientes e imagens dermatoscópicas.

O estudo está publicado na revista Fusão de informações.

“O câncer de pele, particularmente o melanoma, é uma doença em que a detecção precoce é extremamente importante para determinar as taxas de sobrevivência”, diz o Prof. Jeon.

“Como o melanoma é difícil de diagnosticar com base apenas em características visuais, reconheci a necessidade de tecnologias de convergência de IA que possam considerar tanto os dados de imagem quanto as informações do paciente”.

Como o modelo de IA foi desenvolvido

Usando o conjunto de dados de melanoma SIIM-ISIC em grande escala, que contém mais de 33.000 imagens dermatoscópicas combinadas com metadados clínicos, a equipe treinou seu modelo de IA para reconhecer ligações sutis entre o que aparece na pele e quem é o paciente. O modelo alcançou 94,5% de precisão e uma pontuação F1 de 0,94, superando modelos populares somente de imagem, como ResNet-50 e EfficientNet.

Os pesquisadores também realizaram análises de importância dos recursos para tornar o sistema mais transparente e robusto. Fatores como tamanho da lesão, idade do paciente e localização anatômica contribuíram fortemente para uma detecção precisa. Esses insights podem ajudar os médicos a compreender e fornecer um roteiro para confiar no diagnóstico realizado pela IA.

Impacto potencial no rastreio do melanoma

O professor Jeon diz: “O modelo não foi projetado apenas para fins acadêmicos. Ele poderia ser usado como uma ferramenta prática que poderia transformar a triagem de melanoma no mundo real. Esta pesquisa pode ser aplicada diretamente ao desenvolvimento de um sistema de IA que analisa imagens de lesões cutâneas e informações básicas do paciente para permitir a detecção precoce do melanoma.”

No futuro, o modelo poderá alimentar aplicações de diagnóstico de pele baseadas em smartphones, sistemas de telemedicina ou ferramentas assistidas por IA em clínicas dermatológicas, ajudando a reduzir as taxas de diagnósticos errados e a melhorar o acesso aos cuidados.

O professor Jeon explica: “O estudo representa um passo em direção ao diagnóstico personalizado e à medicina preventiva por meio da tecnologia de convergência de IA”.

O estudo destaca como a IA multimodal pode preencher a lacuna entre o aprendizado de máquina e a tomada de decisões clínicas, abrindo caminho para diagnósticos de câncer de pele mais precisos, acessíveis e confiáveis.