# A inteligência artificial é eficaz na detecção de câncer de pele e como isso se aplica à prática clínica?

> Uma revisão guarda-chuva de 11 meta-análises mostrou que modelos de IA, especialmente CNN e SVM, apresentam alta acurácia na detecção de câncer de pele. A IA melhorou o desempenho diagnóstico de clínicos, beneficiando mais generalistas e enfermeiros do que dermatologistas experientes. A integração em fluxos clínicos, especialmente na atenção primária, pode reduzir casos perdidos.

Estudo citado: Karimzadhagh S, Ghodous S, Robati RM, Abbaspour E, Goldust M, Zaresharifi N et al.. Performance of Artificial Intelligence in Skin Cancer Detection: An Umbrella Review of Systematic Reviews and Meta-Analyses. International journal of dermatology. 2026. DOI: https://doi.org/10.1111/ijd.17981. PubMed: https://pubmed.ncbi.nlm.nih.gov/40745683/

## Resposta

A revisão guarda-chuva reuniu evidências de 11 meta-análises, abrangendo 551 estudos, para avaliar o desempenho de modelos de inteligência artificial (IA) na detecção de câncer de pele. Os resultados indicam que redes neurais convolucionais (CNN) e máquinas de vetores de suporte (SVM) apresentaram o melhor desempenho diagnóstico, com CNN alcançando a maior acurácia geral.

Para a distinção entre melanoma e lesões melanocíticas, os modelos de IA superaram aqueles que detectam melanoma em todos os tipos de câncer de pele, com SVM atingindo sensibilidade de 91% e especificidade de 94%. No carcinoma de células escamosas, modelos de aprendizado de máquina treinados com imagens hiperespectrais mostraram sensibilidade de 90,1% e especificidade de 92,65%. Na diferenciação entre lesões benignas e malignas, a sensibilidade foi de 87% e a especificidade de 86,4%.

A IA também melhorou significativamente a acurácia diagnóstica de todos os clínicos, com generalistas e enfermeiros obtendo maior benefício em comparação a dermatologistas experientes. Modelos de aprendizado profundo treinados com imagens de smartphones, aplicados na atenção primária, alcançaram sensibilidade de 90% e especificidade de 85%, superando clínicos gerais. Além disso, os modelos de IA superaram dermatologistas juniores e não especialistas, mas não dermatologistas seniores.

Esses achados sugerem que a integração de ferramentas assistidas por IA nos fluxos de trabalho clínicos, particularmente na atenção primária, pode aumentar a acurácia diagnóstica e minimizar casos perdidos. A revisão destaca o potencial da IA como apoio à decisão clínica, especialmente em ambientes com escassez de especialistas.

No entanto, a implementação rotineira requer consideração das limitações dos estudos incluídos e da necessidade de validação em diferentes contextos. A revisão fornece uma base abrangente, mas não detalha aspectos como viés de publicação ou heterogeneidade entre os estudos, o que deve ser considerado na interpretação.

## O que o estudo mostrou

Trata-se de uma revisão guarda-chuva que sintetizou 11 meta-análises, incluindo 551 estudos, sobre o desempenho de modelos de IA na detecção de câncer de pele. Os achados principais mostram que CNN e SVM tiveram o melhor desempenho, com CNN de maior acurácia geral. Para melanoma versus lesões melanocíticas, SVM alcançou sensibilidade de 91% e especificidade de 94%. No carcinoma de células escamosas, modelos com imagens hiperespectrais atingiram sensibilidade de 90,1% e especificidade de 92,65%. A IA melhorou a acurácia de clínicos, com maior benefício para generalistas e enfermeiros.

## Limitações

O resumo não informa detalhes sobre as limitações dos estudos incluídos, como viés de publicação, heterogeneidade entre as meta-análises ou qualidade metodológica. Também não são descritas as características das populações ou dos ambientes clínicos, o que limita a generalização dos achados. A ausência de informações sobre validação externa e desempenho em diferentes tons de pele é uma lacuna importante.

## Aplicação no consultório

Os achados sugerem que a incorporação de ferramentas de IA na prática clínica, especialmente na atenção primária, pode auxiliar na triagem e detecção precoce de câncer de pele, melhorando a acurácia diagnóstica de generalistas e enfermeiros. Para o consultório, isso implica considerar a adoção de tecnologias assistidas por IA como apoio à decisão, especialmente em locais com acesso limitado a dermatologistas. No entanto, a implementação deve ser cautelosa, com treinamento adequado e ciente das limitações dos modelos.

## Perguntas para aprofundar

- Qual o desempenho da IA na detecção de melanoma em comparação com dermatologistas experientes?
- Como a IA pode auxiliar na triagem de câncer de pele na atenção primária?
- Quais são as limitações dos estudos sobre IA na detecção de câncer de pele?

Tema: IA na atenção primária. Página: https://alphadoctor.com.br/ciencia/ia-atencao-primaria/a-inteligencia-artificial-e-eficaz-na-deteccao-de-cancer-de-pele-e-como-isso-se/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.