# A inteligência artificial já é confiável para diagnosticar melanoma e carcinoma de queratinócitos na prática dermatológica?

> A revisão sistemática mostra que algoritmos de IA alcançam acurácia, sensibilidade e especificidade médias de 90%, 87% e 91% para diagnóstico de melanoma, carcinoma basocelular e carcinoma espinocelular cutâneo. Porém, a escassez de validação externa e a sub-representação de carcinoma espinocelular e pele negra limitam a generalização. A colaboração entre dermatologistas e desenvolvedores ainda é pequena.

Estudo citado: Jairath N, Pahalyants V, Shah R, Weed J, Carucci JA, Criscito MC. Artificial Intelligence in Dermatology: A Systematic Review of Its Applications in Melanoma and Keratinocyte Carcinoma Diagnosis. Dermatologic surgery : official publication for American Society for Dermatologic Surgery [et al.]. 2024. DOI: https://doi.org/10.1097/DSS.0000000000004223. PubMed: https://pubmed.ncbi.nlm.nih.gov/38722750/

## Resposta

A revisão sistemática reuniu 232 estudos publicados entre 2000 e 2023 que avaliaram algoritmos de inteligência artificial treinados com imagens dermatoscópicas e macroscópicas para diagnosticar melanoma, carcinoma basocelular e carcinoma espinocelular cutâneo. Os resultados agregados mostram desempenho médio elevado, com acurácia de 90%, sensibilidade de 87% e especificidade de 91%, e melhora ao longo do tempo.

Apesar dos números favoráveis, os autores destacam limitações importantes. A maioria dos modelos carece de validação externa, ou seja, não foi testada em populações ou conjuntos de imagens independentes dos usados no treinamento. Além disso, há pouca representação de carcinoma espinocelular e de pele de cor nos conjuntos de dados, o que compromete a aplicabilidade dos resultados a esses grupos.

Outro achado relevante é a baixa participação de dermatologistas na condução dos estudos: apenas 12,9% tiveram coautoria de dermatologistas. Isso sugere que o desenvolvimento dos algoritmos pode estar distante da experiência clínica necessária para interpretar nuances diagnósticas e garantir relevância prática.

Os autores concluem que, para avançar, é preciso priorizar a robustez na descrição dos dados, a inclusividade na coleta de imagens e a colaboração interdisciplinar. Somente assim será possível desenvolver ferramentas de IA equitativas e eficazes, que possam auxiliar no diagnóstico precoce de câncer de pele sem ampliar desigualdades.

Para o médico brasileiro, os resultados indicam potencial, mas não permitem adotar a IA como substituta do julgamento clínico. A heterogeneidade dos estudos e a falta de validação em cenários reais limitam conclusões definitivas sobre sua utilidade na rotina.

## O que o estudo mostrou

Revisão sistemática seguindo as diretrizes PRISMA, com 232 estudos publicados entre 1 de janeiro de 2000 e 26 de janeiro de 2023, que avaliaram algoritmos de IA treinados com imagens dermatoscópicas e macroscópicas para diagnóstico de melanoma, carcinoma basocelular e carcinoma espinocelular cutâneo. A acurácia, sensibilidade e especificidade médias foram 90%, 87% e 91%, respectivamente, com melhora do desempenho ao longo do tempo. Apenas 12,9% dos estudos tiveram coautoria de dermatologistas.

## Limitações

O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, nem sobre possíveis vieses de publicação. A principal limitação apontada é a escassez de validação externa dos modelos e a sub-representação de carcinoma espinocelular e de pele de cor nos conjuntos de dados, o que restringe a generalização dos achados. O resumo também não informa a amostra total de imagens ou pacientes.

## Aplicação no consultório

Os achados sugerem que a IA pode, no futuro, auxiliar na triagem de lesões cutâneas, especialmente em locais com acesso limitado a dermatologistas. No entanto, a falta de validação externa e a baixa representatividade de certos grupos exigem cautela. O dermatologista deve manter o julgamento clínico como padrão e considerar a IA como ferramenta adjunta, não substituta. Para a gestão do consultório, investir em tecnologias com validação robusta e em colaboração interdisciplinar pode ser um diferencial, mas a adoção precipitada pode gerar riscos.

## Perguntas para aprofundar

- Quais são os principais desafios para validar algoritmos de IA no diagnóstico de câncer de pele no Brasil?
- Como a sub-representação de pele negra nos conjuntos de dados pode impactar o diagnóstico assistido por IA?
- Qual o papel do dermatologista no desenvolvimento e validação de ferramentas de inteligência artificial?

Tema: IA em dermatologia. Página: https://alphadoctor.com.br/ciencia/ia-dermatologia/a-inteligencia-artificial-ja-e-confiavel-para-diagnosticar-melanoma-e-carcinoma/

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