Um novo sistema de inteligência artificial (IA) desenvolvido por pesquisadores da Universidade Nacional de Incheon, na Coreia do Sul, alcançou 94,5% de precisão na identificação de melanoma, o tipo mais agressivo de câncer de pele. O diferencial da abordagem é a integração entre análise de imagem e informações clínicas dos pacientes, como idade, sexo e localização da lesão.

Desafio no diagnóstico do melanoma

O melanoma está entre os tumores de pele mais difíceis de serem diagnosticados, mesmo por especialistas. Muitas lesões apresentam aspecto benigno e podem confundir médicos, atrasando o início do tratamento. No caso deste câncer, o tempo é um fator crucial.

Altamente agressivo, o melanoma possui grande capacidade de invasão, atingindo rapidamente camadas profundas da pele, vasos sanguíneos e linfáticos. Quando isso acontece, células malignas se espalham para órgãos como pulmões, fígado e cérebro. A evolução costuma ser mais rápida do que em outros tipos de câncer de pele, como carcinoma basocelular e espinocelular.

O diagnóstico precoce é determinante para a cura: identificado na fase inicial, o melanoma pode ser removido cirurgicamente, com taxas de sobrevida acima de 95%. Se descoberto tardiamente, exige tratamentos mais agressivos, apresenta risco elevado de metástase e as chances de sobrevivência caem consideravelmente.

Como funciona o novo sistema de IA

Diferente das soluções mais comuns de IA, que analisam apenas imagens, o novo sistema integra dados clínicos relevantes ao processo de decisão. Essa combinação, segundo o estudo, resulta em desempenho superior e aproxima a tecnologia da lógica empregada por médicos na prática clínica.

A equipe, liderada pelo professor Gwangill Jeon, treinou o modelo com o banco SIIM-ISIC, composto por mais de 33 mil imagens dermatoscópicas acompanhadas de informações clínicas. A IA passou a reconhecer padrões que associam características visuais da lesão (como cor, borda, textura e assimetria) com fatores como idade, sexo e região do corpo.

Com essa metodologia, o sistema atingiu um F1-score de 0,94, superando modelos tradicionais baseados apenas em imagens, 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 Jeon

Transparência e apoio à decisão

O estudo ainda avaliou a importância de cada variável para o diagnóstico, uma iniciativa essencial para construir a confiança da comunidade médica no uso da IA. Elementos como tamanho da lesão, idade do paciente e localização anatômica demonstraram grande peso nos resultados.

Essa transparência promete transformar o sistema em uma ferramenta de apoio à avaliação clínica, sem substituir o olhar do especialista.

Aplicação prática e impacto potencial

A tecnologia foi pensada para migrar do laboratório diretamente para a rotina médica. Possíveis usos incluem aplicativos de triagem em smartphones, plataformas de teledermatologia e ferramentas de apoio ao diagnóstico em consultórios.

Com esses recursos, espera-se ampliar o acesso a avaliações iniciais de qualidade, especialmente em regiões remotas e locais com escassez de especialistas. O encaminhamento pode ser otimizado, reduzindo erros e agilizando o início do tratamento.

Esta pesquisa pode transformar o rastreamento de melanoma no mundo real. É um passo em direção ao diagnóstico personalizado e à medicina preventiva. Jeon

Próximos passos na integração com a saúde

Publicado na revista Information Fusion, o estudo reforça a tendência de crescimento da IA multimodal, que combina diferentes tipos de dados para tomadas de decisão mais precisas e robustas.

O objetivo agora é expandir os testes clínicos, adaptar o sistema para diferentes populações e, futuramente, incorporar a tecnologia a sistemas inteligentes de saúde.