A detecção automatizada de câncer de pele não melanoma por imagens digitais tem evidência suficiente para uso clínico?
Resposta curta: A revisão sistemática identificou trinta e nove estudos sobre classificadores de imagens para câncer de pele não melanoma, todos in silico, com acurácia relatada entre 72 e 100% e AUC entre 0,832 e 1. A maioria apresentou limitações metodológicas, mas alguns tiveram alto nível de evidência. Estudos clínicos são necessários para avaliar a implementação real.
Resposta
A revisão sistemática teve como objetivo sintetizar a pesquisa sobre detecção automatizada de câncer de pele não melanoma (CPNM) usando imagens digitais e avaliar a qualidade da evidência para a acurácia diagnóstica dessas tecnologias. Foram incluídos trinta e nove estudos que desenvolveram modelos de aprendizado de máquina baseados em imagens para diagnóstico de CPNM.
Os resultados mostraram que vinte e quatro modelos foram projetados para detectar carcinoma basocelular, dois para carcinoma espinocelular e treze para ambos. Todos os estudos foram conduzidos in silico, ou seja, em ambiente computacional, sem validação clínica direta. A acurácia diagnóstica geral dos classificadores, definida como concordância com o diagnóstico histopatológico, foi alta, com variação de 72 a 100% e áreas sob a curva ROC de 0,832 a 1.
Apesar do desempenho relatado, a maioria dos estudos apresentou limitações metodológicas substanciais. No entanto, alguns foram robustamente desenhados e apresentaram alto nível de evidência, conforme avaliação com ferramentas específicas. A revisão conclui que a maioria dos estudos relata desempenho maior ou igual à acurácia diagnóstica do dermatologista médio, mas poucos fornecem evidência de alta qualidade.
Diante disso, os autores destacam a necessidade de estudos clínicos para avaliar se essas tecnologias podem ser implementadas de forma viável como auxílio em tempo real para o diagnóstico clínico de CPNM. A translação para a prática ainda carece de validação prospectiva em cenários reais.
O que o estudo mostrou
Revisão sistemática de trinta e nove estudos que desenvolveram modelos de aprendizado de máquina para detecção de câncer de pele não melanoma a partir de imagens digitais. Vinte e quatro modelos para carcinoma basocelular, dois para espinocelular e treze para ambos. Todos in silico. A acurácia variou de 72 a 100% e a AUC de 0,832 a 1. A maioria tinha limitações metodológicas, mas alguns apresentaram alto nível de evidência.
Limitações
O resumo não informa detalhes sobre a amostra de imagens, características dos pacientes ou critérios de seleção dos estudos. Todos os estudos foram in silico, sem validação clínica. A heterogeneidade metodológica e a falta de estudos prospectivos limitam a generalização dos resultados. O resumo não fornece informações sobre viés de publicação ou análise de subgrupos.
Aplicação no consultório
Os achados indicam que, embora promissores, os classificadores automatizados para CPNM ainda não têm evidência suficiente para uso rotineiro na prática clínica. O médico deve interpretar com cautela ferramentas comerciais que aleguem alta acurácia, pois a maioria dos estudos é retrospectiva e in silico. A gestão do consultório pode considerar a adoção futura após validação clínica, mas atualmente não há respaldo para substituir a avaliação dermatológica ou histopatológica.
Estudo citado
Automated detection of nonmelanoma skin cancer using digital images: a systematic review. BMC medical imaging, 2019.
Autores: Marka A, Carter JB, Toto E, Hassanpour S.
DOI: 10.1186/s12880-019-0307-7 · PubMed: PMID 30819133
Perguntas para aprofundar
- Qual a acurácia dos modelos de inteligência artificial para diagnóstico de carcinoma basocelular em imagens digitais?
- Estudos in silico são suficientes para validar tecnologias de diagnóstico automatizado de câncer de pele?
- Como avaliar a qualidade da evidência em revisões sistemáticas sobre inteligência artificial em dermatologia?
Mais sobre IA em patologia digital
- Como as redes neurais convolucionais se comparam aos médicos na classificação de câncer de pele em estudos com especialistas humanos?
- A inteligência artificial já consegue prever a resposta ao BCG em câncer de bexiga não músculo-invasivo com utilidade clínica?
- O aprendizado de máquina já pode apoiar o diagnóstico da doença de Hirschsprung na prática clínica?
- Qual é o papel da inteligência artificial aplicada à ultrassonografia na oncologia ginecológica?
- A inteligência artificial já pode ser adotada na prática clínica para o manejo do câncer de cabeça e pescoço?
Todas as perguntas sobre IA em patologia digital · Todos os temas · Versão em markdown