<\/p>\n\n\n\n
Modelo criado por pesquisadores da Coreia do Sul, Reino Unido e Canad\u00e1 une foto da les\u00e3o, idade, sexo e localiza\u00e7\u00e3o no corpo para acertar diagn\u00f3sticos dif\u00edceis de melanoma. Tecnologia pode chegar a apps de celular e telemedicina.<\/p>\n\n\n\n
Um novo sistema de intelig\u00eancia artificial (IA) conseguiu identificar melanoma<\/strong> \u2014 o tipo mais agressivo de c\u00e2ncer de pele \u2014 com 94,5% de precis\u00e3o, ao integrar a an\u00e1lise da imagem da les\u00e3o com informa\u00e7\u00f5es cl\u00ednicas b\u00e1sicas do paciente, como idade, sexo e local do corpo onde a pinta aparece.<\/p>\n\n\n\n A abordagem, descrita por pesquisadores da Universidade Nacional de Incheon, na Coreia do Sul, promete dar um salto na detec\u00e7\u00e3o precoce da doen\u00e7a e ampliar o acesso ao diagn\u00f3stico.<\/p>\n\n\n\n O melanoma \u00e9 um dos tumores de pele mais dif\u00edceis de diagnosticar<\/strong>, mesmo para especialistas. Muitas les\u00f5es parecem benignas, confundem m\u00e9dicos e atrasam o in\u00edcio do tratamento \u2014 e, nesse c\u00e2ncer, semanas fazem diferen\u00e7a.<\/p>\n\n\n\n Isso porque o melanoma \u00e9 altamente agressivo<\/strong> e tem grande capacidade de invadir camadas profundas da pele e alcan\u00e7ar vasos sangu\u00edneos e linf\u00e1ticos. Quando isso ocorre, as c\u00e9lulas cancer\u00edgenas se espalham rapidamente para outros \u00f3rg\u00e3os, como pulm\u00f5es, f\u00edgado e c\u00e9rebro.<\/p>\n\n\n\n A evolu\u00e7\u00e3o costuma ser muito mais veloz do que em outros tipos de c\u00e2ncer de pele, como o carcinoma basocelular ou o espinocelular. Por isso, o diagn\u00f3stico precoce \u00e9 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%.<\/p>\n\n\n\n Com atraso, por\u00e9m, o cen\u00e1rio muda<\/strong>: a doen\u00e7a exige tratamentos mais agressivos, tem risco maior de met\u00e1stase e as chances de sobreviv\u00eancia caem de forma significativa.<\/p>\n\n\n\n At\u00e9 agora, a maior parte das ferramentas de IA analisava apenas a imagem, ignorando dados cl\u00ednicos que influenciam o risco. O novo estudo mostra que unir essas duas camadas de informa\u00e7\u00e3o melhora a performance e deixa o sistema mais parecido com a tomada de decis\u00e3o humana.<\/p>\n\n\n\n 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, que re\u00fane mais de 33 mil imagens dermatosc\u00f3picas<\/strong> acompanhadas de metadados cl\u00ednicos.<\/p>\n\n\n\n A IA aprendeu a reconhecer padr\u00f5es sutis que associam:<\/p>\n\n\n\n Com essa combina\u00e7\u00e3o, a tecnologia atingiu 94,5% de precis\u00e3o e um F1-score de 0,94 <\/strong>\u2014 desempenho superior ao de modelos consagrados baseados apenas em imagem, como ResNet-50 e EfficientNet.<\/p>\n\n\n\n \u201cO melanoma \u00e9 dif\u00edcil de diagnosticar apenas pelas caracter\u00edsticas visuais. Precis\u00e1vamos de tecnologias que convergissem imagem e dados do paciente\u201d, explicou Jeon ao apresentar o trabalho.<\/p>\n<\/blockquote>\n\n\n\n Os pesquisadores tamb\u00e9m fizeram uma an\u00e1lise de import\u00e2ncia das vari\u00e1veis<\/strong>, um passo essencial para que m\u00e9dicos entendam e confiem no resultado.<\/p>\n\n\n\n A investiga\u00e7\u00e3o mostrou que alguns elementos t\u00eam peso significativo no acerto do diagn\u00f3stico, como:<\/p>\n\n\n\n Essa transpar\u00eancia pode ajudar dermatologistas a usar o sistema como apoio \u2014 n\u00e3o como substituto \u2014 da avalia\u00e7\u00e3o cl\u00ednica.<\/p>\n\n\n\n O modelo foi pensado para sair do laborat\u00f3rio e chegar \u00e0 rotina m\u00e9dica. Segundo Jeon, a tecnologia pode embasar:<\/p>\n\n\n\n Com isso, regi\u00f5es remotas e servi\u00e7os com poucos especialistas poderiam ter acesso mais r\u00e1pido a uma an\u00e1lise inicial<\/strong>, reduzindo erros e acelerando encaminhamentos.<\/p>\n\n\n\n \u201cEsta pesquisa pode transformar o rastreamento de melanoma no mundo real\u201d, afirma Jeon. \u201c\u00c9 um passo em dire\u00e7\u00e3o ao diagn\u00f3stico personalizado e \u00e0 medicina preventiva.\u201d<\/p>\n<\/blockquote>\n\n\n\n O estudo, publicado na revista Information Fusion<\/em>, refor\u00e7a uma tend\u00eancia que vem ganhando for\u00e7a: IA multimodal, capaz de integrar diferentes tipos de informa\u00e7\u00e3o \u2014 texto, imagem, sinais cl\u00ednicos \u2014 para tomar decis\u00f5es mais robustas.<\/p>\n\n\n\n A meta da equipe \u00e9 avan\u00e7ar nos testes cl\u00ednicos, adaptar o modelo a diferentes popula\u00e7\u00f5es e, no futuro, incorpor\u00e1-lo a sistemas de sa\u00fade inteligentes.<\/p>\n\n\n\n <\/p>\n\n\n\n FONTE: G1<\/p>\n\n\n\nMelanoma \u00e9 dif\u00edcil de identificar<\/h2>\n\n\n\n
Como o modelo funciona<\/h2>\n\n\n\n
\n
\n
Mais transparente: o que a IA leva em conta<\/h2>\n\n\n\n
\n
Aplica\u00e7\u00f5es pr\u00e1ticas e impacto no mundo real<\/h2>\n\n\n\n
\n
\n
Pr\u00f3ximos passos<\/h2>\n\n\n\n