# A detecção automatizada de câncer de pele não melanoma por imagens digitais tem evidência suficiente para uso clínico?

> 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.

Estudo citado: Marka A, Carter JB, Toto E, Hassanpour S. Automated detection of nonmelanoma skin cancer using digital images: a systematic review. BMC medical imaging. 2019. DOI: https://doi.org/10.1186/s12880-019-0307-7. PubMed: https://pubmed.ncbi.nlm.nih.gov/30819133/

## 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.

## 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?

Tema: IA em patologia digital. Página: https://alphadoctor.com.br/ciencia/ia-patologia-digital/a-deteccao-automatizada-de-cancer-de-pele-nao-melanoma-por-imagens-digitais-tem/

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