Diagnóstico inicial do câncer de pele, em breve, no seu bolso

Hendrik Macedo
03/02/2017

Melanoma. [1]
Um smartphone com câmera fotográfica de boa resolução, uma lesão ou mancha na pele e um aplicativo apropriado. Em instantes, um possível diagnóstico.

O câncer de pele é um dos tipos mais frequentes de câncer em seres humanos, segundo estudo recente da American Cancer Society [2] e o primeiro diagnóstico, realizado por um dermatologista, é puramente visual. Isto transforma o cenário acima em algo relevante para a sociedade e coerente com a abordagem especialista. Naturalmente, após esta primeira avaliação clínica, outras análises costumam ser solicitadas para confirmar o diagnóstico: análise dermatoscópica, biópsia e exame histopatológico, para citar algumas.

Pesquisadores da Universidade de Stanford (EUA) utilizaram aproximadamente 130 mil fotografias de diferentes lesões de pele, cada uma devidamente rotulada com o diagnóstico correto pré-estabelecido para 2 mil diferentes doenças de pele [3]. Uma rede neural convolucional profunda (CNN) [4] foi utilizada para aprender estes padrões. A tarefa é particularmente difícil pois a variabilidade na aparência das diferentes lesões é, por vezes, bastante sutil. A performance do sistema de reconhecimento foi avaliada junto a 21 dermatologistas utilizando-se de um novo conjunto de fotografias. Dois diferentes casos de uso, em particular, foram considerados na avaliação: a diferenciação entre (1) o diagnóstico de carcinoma de queratinócitos versus queratose seborréica benigna e (2) o diagnóstico de melanoma versus nevo displásico benigno. A relevância destas duas avaliações se dá pelo fato do carcinoma ser o tipo mais comum de câncer de pele e o melanoma ser o tipo mais mortal. Em ambos os testes, a performance da máquina rivalizou ou superou a dos dermatologistas.

O uso de aplicativos de smartphones para ajudar no monitoramento de lesões de pele não é novo.  A diferença deste novo sistema, com potencial para rapidamente também se transformar em um app, é mesmo a grande performance obtida. Um estudo de 2013 [5] mostrou que três dentre quatro aplicativos avaliados para detecção de melanomas os classificou incorretamente em ao menos 30% dos casos. Taxa significativamente alta de insucesso.

A forma de uso mais prudente de um app desse tipo por parte da população seria o de monitoramento constante de alguma lesão de pele persistente e caso em determinado momento o sistema inteligente suspeite de alguma gravidade, emita um alerta para que o usuário procure um especialista que possa então proceder com as análises típicas subsequentes para confirmar o diagnóstico. Se por um lado apps como esse podem fazer com que serviços de diagnóstico com alta acurácia possam chegar à grande fatia da população com dificuldades de acesso a serviços de saúde, por outro lado, os envolvidos na criação do app e os especialistas médicos precisarão lidar com um grande dilema: se o algoritmo for muito cauteloso, clínicas de dermatologia poderão sofrer com um aumento substancial de procura por pessoas que na verdade não precisariam de ajuda, mas se o algoritmo for muito conservador, ele pode perigosamente provocar comportamento oposto.

[1] Crédito da imagem: National Cancer Institute (AV Number: AV-8500-3850; Date Created: 1985; Date Entered: 1/1/2001) / Wikimedia Commons (Domínio público). URL: https://commons.wikimedia.org/wiki/File:Melanoma.jpg.

[2] American Cancer Society. Cancer facts & figures 2016. URL: http://www.cancer.org/acs/groups/content/@research/documents/document/acspc-047079.pdf. (2016).

[3] A Esteva et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature 542, 115 (2017).

[4] Y LeCun et al. Deep learning. Nature 521, 436 (2015).

[5] JA Wolf et al. Diagnostic inaccuracy of smartphone applications for melanoma detection. JAMA Dermatology 149, 422 (2013).

Como citar este artigo: Hendrik Macedo. Diagnóstico inicial do câncer de pele, em breve, no seu bolso. Saense. URL: http://www.saense.com.br/2017/02/diagnostico-inicial-do-cancer-de-pele-em-breve-no-seu-bolso/. Publicado em 03 de fevereiro (2017).

Artigos de Hendrik Macedo     Home

Publicado por

Hendrik Macedo

Hendrik Macedo

Doutor em Ciência da Computação. Professor da Universidade Federal de Sergipe. Escreve sobre Inteligência Artificial no Saense.

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

This site uses Akismet to reduce spam. Learn how your comment data is processed.