# Algoritmos de inteligência artificial e aprendizado de máquina são confiáveis para o diagnóstico precoce de câncer de pele na atenção primária?

> A revisão sistemática identificou que, embora a acurácia diagnóstica média dos algoritmos seja razoável para melanoma, carcinoma espinocelular e basocelular, poucos estudos usaram dados de populações com baixa prevalência de câncer de pele, típicas da atenção primária. Assim, a adoção generalizada na prática comunitária não pode ser recomendada até que a eficácia nessas populações seja demonstrada.

Estudo citado: Jones OT, Matin RN, van der Schaar M, Prathivadi Bhayankaram K, Ranmuthu CKI, Islam MS et al.. Artificial intelligence and machine learning algorithms for early detection of skin cancer in community and primary care settings: a systematic review. The Lancet. Digital health. 2022. DOI: https://doi.org/10.1016/S2589-7500(22)00023-1. PubMed: https://pubmed.ncbi.nlm.nih.gov/35623799/

## Resposta

A revisão sistemática buscou evidências sobre algoritmos de inteligência artificial e aprendizado de máquina (IA/ML) para o diagnóstico precoce de câncer de pele, com foco em sua aplicação na atenção primária e comunitária. Foram identificados 14 224 estudos, dos quais 272 foram considerados potencialmente relevantes para a atenção primária. Apenas dois estudos utilizaram dados de ambientes clínicos com baixa prevalência de câncer de pele, o que é representativo do cenário da atenção primária.

Os resultados principais mostraram acurácia diagnóstica média razoável para melanoma (89·5%; variação 59·7-100%), carcinoma espinocelular (85·3%; variação 71·0-97·8%) e carcinoma basocelular (87·6%; variação 70·0-99·7%). No entanto, os desfechos secundários revelaram grande heterogeneidade nos métodos de IA/ML e nos desenhos dos estudos, além de altas taxas de relato incompleto, como dados demográficos dos pacientes e métodos de coleta de dados.

Poucos estudos utilizaram dados de populações com baixa prevalência de câncer de pele para treinar e testar seus algoritmos. Portanto, a adoção generalizada na prática comunitária e na atenção primária não pode ser recomendada atualmente, até que a eficácia nessas populações seja demonstrada. Além disso, não foram identificados dados de custo-efetividade, aceitabilidade por pacientes ou clínicos para nenhum dos estudos incluídos.

Os autores propõem uma lista de verificação metodológica para uso no desenvolvimento de novos algoritmos de IA/ML para detecção de câncer de pele, com o objetivo de facilitar seu design, avaliação e implementação. Essa ferramenta pode ajudar a padronizar futuros estudos e a preencher as lacunas identificadas, especialmente a necessidade de validação em cenários de baixa prevalência.

Para o médico brasileiro, os achados indicam que, embora a IA/ML mostre potencial, sua aplicação na atenção primária ainda requer cautela. A implementação clínica deve aguardar evidências robustas em populações com características semelhantes às da atenção primária, incluindo diversidade demográfica e prevalência real de câncer de pele. Enquanto isso, a lista de verificação proposta pode orientar a avaliação crítica de novas ferramentas antes de sua incorporação na prática.

## O que o estudo mostrou

Revisão sistemática que buscou estudos sobre algoritmos de IA/ML para diagnóstico precoce de câncer de pele. Foram identificados 14 224 estudos, e 272 foram reportados como potencialmente relevantes para atenção primária. Apenas dois estudos usaram dados de ambientes clínicos com baixa prevalência de câncer de pele. A acurácia diagnóstica média foi de 89·5% para melanoma (variação 59·7-100%), 85·3% para carcinoma espinocelular (variação 71·0-97·8%) e 87·6% para carcinoma basocelular (variação 70·0-99·7%). Houve heterogeneidade de métodos e relato incompleto. Não foram encontrados dados de custo-efetividade ou aceitabilidade.

## Limitações

O resumo não informa detalhes sobre o desenho dos estudos incluídos, nem sobre a qualidade metodológica individual. A principal limitação apontada é que poucos estudos usaram dados de populações com baixa prevalência de câncer de pele, típicas da atenção primária, o que limita a generalização dos resultados. Além disso, não foram identificados dados de custo-efetividade, aceitabilidade por pacientes ou clínicos, e há alta heterogeneidade e relato incompleto nos estudos.

## Aplicação no consultório

Os achados sugerem que o médico da atenção primária deve ser cauteloso ao considerar o uso de algoritmos de IA/ML para diagnóstico precoce de câncer de pele, pois a evidência atual não suporta sua adoção generalizada nesse contexto. A gestão do consultório pode se beneficiar da lista de verificação proposta para avaliar criticamente novas ferramentas antes de incorporá-las. Além disso, é importante aguardar estudos de custo-efetividade e aceitabilidade para orientar decisões de implementação e alocação de recursos.

## Perguntas para aprofundar

- Qual é a acurácia diagnóstica dos algoritmos de IA/ML para câncer de pele em populações de atenção primária?
- Quais são as lacunas metodológicas nos estudos sobre IA/ML para diagnóstico de câncer de pele?
- Como a lista de verificação proposta pode auxiliar no desenvolvimento de novos algoritmos?

Tema: IA em dermatologia. Página: https://alphadoctor.com.br/ciencia/ia-dermatologia/algoritmos-de-inteligencia-artificial-e-aprendizado-de-maquina-sao-confiaveis/

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