Modelos de inteligência artificial são precisos para classificar lesões cutâneas pigmentadas em populações com pele de cor?
Resposta curta: Uma revisão sistemática identificou 22 estudos sobre modelos de IA para classificar lesões pigmentadas em populações com pele de cor. A acurácia variou de 70% a 99,7% para desfechos binários e de 43% a 93% para multiclasses. A maioria dos estudos foi de populações do Leste Asiático, com evidência insuficiente para pele mais escura (Fitzpatrick IV-VI).
Resposta
A revisão sistemática buscou estudos que usaram modelos de inteligência artificial para classificar lesões cutâneas pigmentadas em populações com pele de cor, considerando apenas aqueles com pelo menos 10% de imagens de pessoas com pele de cor nos conjuntos de treinamento. Foram incluídos 22 artigos, a maioria proveniente de populações chinesa, coreana e japonesa.
Os modelos de IA que produziram desfechos binários, como benigno versus maligno, apresentaram acurácia entre 70% e 99,7%. Já os modelos com desfechos multiclasses, como diagnóstico específico da lesão, tiveram acurácia menor, variando de 43% a 93%. Estudos de leitura, que comparam a classificação de dermatologistas com a dos modelos, mostraram resultados variados: em um estudo a acurácia foi similar, em três o modelo foi mais acurado e em dois o clínico foi mais acurado.
A qualidade dos estudos foi avaliada e revelou que descrição e variedade dos conjuntos de dados, benchmarking, avaliação pública e aplicação em saúde frequentemente não foram abordados. Além disso, a maioria dos estudos foi realizada em populações do Leste Asiático, o que fornece evidência insuficiente sobre a acurácia geral dos modelos para pele mais escura, especialmente Fitzpatrick IV-VI.
Os autores concluem que, embora haja evidência promissora de modelos acurados em populações com pele de cor, ainda existem grandes discrepâncias no número de modelos desenvolvidos para essas populações em comparação com aqueles de ancestralidade europeia. A falta de conjuntos de dados públicos diversificados e a inadequada descrição de metadados sobre cor da pele nos dados de treinamento são fatores contribuintes.
Para o médico brasileiro, esses achados reforçam a necessidade de cautela ao aplicar modelos de IA desenvolvidos em outras populações, especialmente para pacientes com pele mais escura. A heterogeneidade dos resultados e as limitações metodológicas destacam a importância de validar localmente essas ferramentas antes de incorporá-las à prática clínica.
O que o estudo mostrou
Revisão sistemática que identificou 22 artigos sobre modelos de IA para classificação de lesões cutâneas pigmentadas em populações com pele de cor, com conjuntos de treinamento contendo pelo menos 10% de imagens dessas populações. A maioria dos estudos foi de populações chinesa (7/22), coreana (5/22) e japonesa (3/22). Modelos binários tiveram acurácia de 70% a 99,7%; multiclasses, de 43% a 93%. Estudos de leitura mostraram acurácia similar em um, maior para IA em três e maior para clínicos em dois. A qualidade metodológica frequentemente não abordou descrição e variedade dos dados, benchmarking, avaliação pública e aplicação em saúde.
Limitações
A maioria dos estudos foi realizada em populações do Leste Asiático, com poucos dados sobre pele mais escura (Fitzpatrick IV-VI). O resumo não informa o número total de pacientes ou imagens incluídas, nem detalhes sobre o desenho individual dos estudos. A falta de conjuntos de dados públicos diversificados e a descrição inadequada de metadados sobre cor da pele limitam a generalização dos achados.
Aplicação no consultório
Ao considerar o uso de ferramentas de IA para diagnóstico de lesões cutâneas em pacientes com pele de cor, o médico deve estar atento à procedência dos dados de treinamento e à validação em populações semelhantes à sua. A revisão sugere que a acurácia pode variar conforme o tipo de desfecho e a população estudada. No consultório, é prudente não substituir o julgamento clínico por esses modelos sem evidências locais robustas, especialmente para pele mais escura. A gestão do consultório pode incluir a busca por ferramentas validadas localmente e a documentação cuidadosa dos casos.
Estudo citado
Artificial Intelligence for the Classification of Pigmented Skin Lesions in Populations with Skin of Color: A Systematic Review. Dermatology (Basel, Switzerland), 2023.
Autores: Liu Y, Primiero CA, Kulkarni V, Soyer HP, Betz-Stablein B.
DOI: 10.1159/000530225 · PubMed: PMID 36944317
Perguntas para aprofundar
- Qual é a acurácia de modelos de inteligência artificial para diagnóstico de melanoma em pele negra?
- Como a falta de diversidade nos conjuntos de treinamento afeta a equidade em dermatologia?
- Quais são os critérios de qualidade para validar modelos de IA em dermatologia?
Mais sobre IA em dermatologia
- A inteligência artificial já é confiável para diagnosticar melanoma e carcinoma de queratinócitos na prática dermatológica?
- Como as redes neurais artificiais têm sido aplicadas na detecção de melanoma e quais as tendências recentes?
- Qual é a acurácia diagnóstica e a equidade dos sistemas de inteligência artificial para diagnóstico de lesões cutâneas em diferentes modalidades de imagem e cenários clínicos?
- A inteligência artificial é útil na cirurgia de Mohs para o tratamento de cânceres de pele não melanoma?
- Como as redes neurais convolucionais podem auxiliar no diagnóstico de melanoma e qual o conhecimento dos dermatologistas sobre o tema?
Todas as perguntas sobre IA em dermatologia · Todos os temas · Versão em markdown