# Como o aprendizado de máquina tem sido utilizado no diagnóstico e prognóstico em dermatologia?

> Uma revisão sistemática identificou 64 publicações sobre aprendizado de máquina em dermatologia, agrupadas em oito categorias principais. A maioria dos sistemas envolvia reconhecimento de imagens para classificação binária de melanoma maligno. Resultados impressionantes foram relatados em todas as categorias, mas a comparação direta entre estudos foi difícil devido à heterogeneidade das abordagens.

Estudo citado: Thomsen K, Iversen L, Titlestad TL, Winther O. Systematic review of machine learning for diagnosis and prognosis in dermatology. The Journal of dermatological treatment. 2020. DOI: https://doi.org/10.1080/09546634.2019.1682500. PubMed: https://pubmed.ncbi.nlm.nih.gov/31625775/

## Resposta

O aprendizado de máquina (machine learning) tem sido explorado em dermatologia de diversas formas, conforme uma revisão sistemática publicada no Journal of Dermatological Treatment. Os autores buscaram na base PubMed e identificaram 2175 publicações, das quais 64 foram incluídas após triagem por dois médicos com critérios pré-definidos. O objetivo foi avaliar como a inteligência artificial tem sido utilizada na especialidade e sumarizar os achados da literatura.

Os resultados mostraram oito grandes categorias de aplicação de ferramentas de aprendizado de máquina em dermatologia. A maioria dos sistemas envolvia ferramentas de reconhecimento de imagens, principalmente voltadas para a classificação binária de melanoma maligno (MM). Descrições resumidas e resultados de todos os sistemas incluídos foram apresentados em tabelas, permitindo uma visão geral das abordagens testadas.

Os autores relatam que resultados impressionantes foram observados em todas as oito categorias identificadas. No entanto, a comparação direta entre os estudos (head-to-head) mostrou-se difícil, provavelmente devido a diferenças nos conjuntos de dados, nas métricas de avaliação e nos desenhos dos sistemas. Essa heterogeneidade limita conclusões sobre qual abordagem é superior.

A diversidade de áreas da dermatologia em que ferramentas de aprendizado de máquina foram identificadas indica o amplo potencial dessa tecnologia. Contudo, a revisão não fornece detalhes sobre a qualidade metodológica dos estudos incluídos, e o resumo não informa características como tamanho amostral ou limitações específicas de cada sistema. Portanto, os achados devem ser interpretados com cautela.

Para o médico brasileiro, a revisão oferece um panorama do que já foi testado, mas não permite recomendar o uso clínico rotineiro dessas ferramentas. A aplicação prática ainda depende de validação externa e de estudos comparativos robustos. O resumo não informa sobre custos, implementação ou impacto nos desfechos clínicos, o que reforça a necessidade de cautela antes de incorporar tais sistemas ao consultório.

## O que o estudo mostrou

Trata-se de uma revisão sistemática que buscou literatura na base PubMed, identificando 2175 publicações, das quais 64 foram incluídas após triagem por dois médicos. Foram identificadas oito grandes categorias de aplicação de aprendizado de máquina em dermatologia. A maioria dos sistemas envolvia reconhecimento de imagens para classificação binária de melanoma maligno. Resultados impressionantes foram relatados em todas as categorias, mas a comparação direta entre estudos foi difícil. O resumo não informa o tamanho amostral dos estudos primários nem detalhes sobre desfechos específicos.

## Limitações

O resumo não informa as limitações dos estudos incluídos, como viés de seleção, heterogeneidade de dados ou falta de validação externa. A comparação direta entre os sistemas foi difícil, o que impede conclusões sobre superioridade. Além disso, o resumo não detalha a qualidade metodológica das publicações incluídas, nem se os resultados foram reproduzidos em diferentes populações. Essas lacunas limitam a generalização dos achados para a prática clínica.

## Aplicação no consultório

A revisão indica que ferramentas de aprendizado de máquina têm sido testadas em diversas áreas da dermatologia, especialmente no reconhecimento de imagens para melanoma. No entanto, a heterogeneidade dos estudos e a ausência de comparação direta dificultam a incorporação rotineira dessas ferramentas no consultório. O médico deve aguardar validação externa e estudos que demonstrem impacto clínico antes de adotá-las. Para a gestão do consultório, investimentos em tais tecnologias devem ser cautelosos, considerando a falta de evidências comparativas robustas.

## Perguntas para aprofundar

- Quais são as oito categorias de aplicação de aprendizado de máquina em dermatologia identificadas na revisão?
- Como a revisão sistemática avaliou a qualidade metodológica dos estudos incluídos?
- Quais métricas de desempenho foram utilizadas nos sistemas de classificação binária de melanoma maligno?

Tema: IA em dermatologia. Página: https://alphadoctor.com.br/ciencia/ia-dermatologia/como-o-aprendizado-de-maquina-tem-sido-utilizado-no-diagnostico-e-prognostico/

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