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?
Resposta curta: A revisão sistemática e meta-análise mostra acurácia diagnóstica elevada, com sensibilidade agrupada de 0,91 e especificidade de 0,64, e AUROC de 0,88. O desempenho é maior em ambientes especializados e menor em cuidados comunitários e smartphones, além de ser inferior em tons de pele mais escuros, indicando lacunas de equidade.
Resposta
A revisão sistemática e meta-análise avaliou a acurácia diagnóstica, a equidade e a generalização de sistemas de inteligência artificial para classificação de lesões cutâneas, usando imagens clínicas, dermatoscópicas ou de smartphone. Foram incluídos dezoito estudos, sendo onze focados em melanoma e sete com lesões benignas e malignas mistas. A busca abrangeu PubMed, Embase, Web of Science e ClinicalTrials.gov.
Os resultados agrupados, com mais de 70.000 imagens de teste, mostraram sensibilidade de 0,91 (IC 95% 0,74-0,97) e especificidade de 0,64 (IC 95% 0,47-0,78), com AUROC HSROC de 0,88 (IC 95% 0,84-0,92). A meta-análise baseada apenas em AUROC apresentou resultado semelhante, com AUROC agrupada de 0,88 (IC 95% 0,87-0,90).
O desempenho variou conforme o cenário: foi mais alto em ambientes especializados (AUROC 0,90), seguido por cuidados comunitários (0,85) e ambientes com smartphone (0,81). Também houve diferença por tom de pele, com AUROC de 0,82 em tons mais escuros (Fitzpatrick IV-VI) e de 0,89 em tons mais claros (I-III), indicando lacunas persistentes de equidade.
Os autores concluem que os sistemas de inteligência artificial em dermatologia alcançam acurácia diagnóstica elevada, mas apresentam desempenho reduzido em tons de pele mais escuros e em ambientes não especializados. Destacam a necessidade de conjuntos de treinamento diversos, relato estratificado por tom de pele e validação externa rigorosa antes da implantação clínica ampla.
O que o estudo mostrou
Trata-se de revisão sistemática e meta-análise de estudos de acurácia diagnóstica com imagens clínicas, dermatoscópicas ou de smartphone. Dezoito estudos preencheram os critérios, sendo onze focados em melanoma e sete com lesões benignas e malignas mistas. Seis estudos forneceram dados completos para modelagem bivariada Reitsma HSROC e sete relataram AUROC com variância extraível. Com mais de 70.000 imagens de teste, a sensibilidade agrupada foi 0,91 e a especificidade 0,64, com AUROC de 0,88. O desempenho foi maior em ambientes especializados e menor em tons de pele mais escuros.
Limitações
O resumo não informa detalhes sobre heterogeneidade entre estudos, características das populações incluídas ou limitações individuais dos estudos primários. A modelagem HSROC contou com apenas seis estudos com dados completos de contingência, e a meta-análise de AUROC com sete estudos. O resumo também não informa a distribuição dos tons de pele nem como a estratificação foi realizada, o que limita conclusões sobre equidade.
Aplicação no consultório
O médico deve interpretar com cautela resultados de sistemas de inteligência artificial em dermatologia, especialmente em tons de pele mais escuros e em contextos não especializados, nos quais o desempenho foi menor. Na gestão do consultório, é prudente usar essas ferramentas como apoio e não como substituto do julgamento clínico, verificar a validação externa e a representatividade dos dados de treinamento, e considerar a estratificação por tom de pele ao avaliar relatórios de desempenho de fornecedores.
Estudo citado
Equity and Generalizability of Artificial Intelligence for Skin-Lesion Diagnosis Using Clinical, Dermoscopic, and Smartphone Images: A Systematic Review and Meta-Analysis. Medicina (Kaunas, Lithuania), 2025.
Autores: Tjiu JW, Lu CF.
DOI: 10.3390/medicina61122186 · PubMed: PMID 41470188
Perguntas para aprofundar
- Como o tom de pele influencia o desempenho de sistemas de inteligência artificial no diagnóstico de lesões cutâneas?
- Qual é a diferença de acurácia da inteligência artificial entre ambientes especializados e cuidados comunitários?
- Quais critérios de validação externa devem ser exigidos antes de adotar uma ferramenta de inteligência artificial em dermatologia no consultório?
Mais sobre IA em dermatologia
- A inteligência artificial já é confiável para diagnosticar melanoma e carcinoma de queratinócitos na prática dermatológica?
- Qual é a acurácia da inteligência artificial no diagnóstico de câncer de pele não melanoma?
- Algoritmos de deep learning baseados em dermatoscopia têm desempenho superior ao dos dermatologistas no diagnóstico de carcinoma basocelular?
- 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