# 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 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.

Estudo citado: Tjiu JW, Lu CF. 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. DOI: https://doi.org/10.3390/medicina61122186. PubMed: https://pubmed.ncbi.nlm.nih.gov/41470188/

## 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.

## 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?

Tema: IA em dermatologia. Página: https://alphadoctor.com.br/ciencia/ia-dermatologia/qual-e-a-acuracia-diagnostica-e-a-equidade-dos-sistemas-de-inteligencia/

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