# Aprendizado de máquina pode prever a gravidade da psoríase na prática clínica?

> Uma revisão sistemática identificou 30 artigos sobre predição da gravidade da psoríase com aprendizado de máquina. A maioria usou modelos baseados em imagens, com o PASI como escore mais comum. Os autores concluem que os avanços existem, mas aplicações clínicas prospectivas ainda são limitadas e faltam estudos grandes e diversificados.

Estudo citado: McMullen EP, Al Naser YA, Maazi M, Grewal RS, Abdel Hafeez D, Folino TR et al.. Predicting psoriasis severity using machine learning: a systematic review. Clinical and experimental dermatology. 2025. DOI: https://doi.org/10.1093/ced/llae348. PubMed: https://pubmed.ncbi.nlm.nih.gov/39172548/

## Resposta

A revisão sistemática buscou na literatura estudos que usaram algoritmos de aprendizado de máquina para prever a gravidade da psoríase. Foram incluídos 30 artigos, publicados até agosto de 2024, indexados em bases como Embase, MEDLINE, Scopus e IEEE Xplore. O objetivo foi sumarizar a evidência e identificar lacunas nas aplicações clínicas dessas ferramentas.

Entre os estudos incluídos, 29 utilizaram modelos baseados em imagens, enquanto um usou biomarcadores séricos. O escore de gravidade mais empregado pelos modelos foi o Psoriasis Area and Severity Index (PASI), em 15 artigos, seguido pela body surface area (BSA), em 5 artigos. Isso mostra uma concentração em avaliações visuais da pele, com pouca exploração de dados não imagéticos.

Os autores concluem que o progresso na avaliação da gravidade de lesões cutâneas por aprendizado de máquina é real, mas as aplicações clínicas prospectivas permanecem limitadas. A heterogeneidade e o pequeno tamanho do corpo de literatura disponível são as principais limitações da revisão. Não há informação no resumo sobre tamanho de amostra ou desenho detalhado dos estudos primários.

Para o médico, os achados indicam que a inteligência artificial ainda não está pronta para substituir a avaliação clínica de rotina na psoríase. Ferramentas baseadas em imagem podem auxiliar na padronização do PASI e da BSA, mas carecem de validação prospectiva em conjuntos de dados diversos. A revisão reforça a necessidade de ensaios clínicos prospectivos em larga escala para avaliar o valor clínico preditivo desses modelos.

## O que o estudo mostrou

Revisão sistemática que incluiu 30 artigos sobre predição da gravidade da psoríase com aprendizado de máquina. A maioria (29) usou modelos baseados em imagens e um usou biomarcadores séricos. O PASI foi o escore mais comum (15 artigos), seguido pela BSA (5 artigos). Os autores destacam que as aplicações clínicas prospectivas ainda são limitadas e que faltam estudos com conjuntos de imagens diversos.

## Limitações

O resumo não informa detalhes sobre o desenho ou a amostra dos estudos primários. Os próprios autores apontam que o pequeno tamanho e a heterogeneidade da literatura existente são as principais limitações da revisão. Não há dados sobre viés de publicação ou qualidade metodológica dos artigos incluídos.

## Aplicação no consultório

Na prática clínica, os modelos de aprendizado de máquina para gravidade da psoríase ainda não devem ser usados como substitutos da avaliação clínica. O médico pode acompanhar a evolução dessas ferramentas, especialmente as baseadas em imagem para PASI e BSA, mas deve aguardar validação prospectiva. Para a gestão do consultório, investir em padronização de registros fotográficos e escores clínicos pode preparar o terreno para futuras aplicações de IA.

## Perguntas para aprofundar

- Quais escores de gravidade da psoríase são mais usados em modelos de aprendizado de máquina?
- Existem modelos de aprendizado de máquina baseados em biomarcadores séricos para psoríase?
- Quais são as lacunas na aplicação clínica da inteligência artificial na dermatologia?

Tema: IA em dermatologia. Página: https://alphadoctor.com.br/ciencia/ia-dermatologia/aprendizado-de-maquina-pode-prever-a-gravidade-da-psoriase-na-pratica-clinica/

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