Software desenvolvido na Unicamp pode diagnosticar câncer de pele com alta precisão

Software desenvolvido na Unicamp pode diagnosticar câncer de pele com alta precisão

Um grupo de pesquisadores da Universidade Estadual de Campinas (Unicamp) desenvolveu um software com potencial para dar agilidade aos diagnósticos do câncer de pele do tipo melanoma. Com ajuda da inteligência artificial e o deep learning, técnica de aprendizado das máquinas através de redes neurais artificiais, a equipe já chegou a uma precisão de 86% no diagnóstico.

Os cientistas estão dedicados a melhorar o resultado e desenvolver a aplicabilidade no cotidiano dos centros de saúde para que, no futuro próximo, com o sistema instalado em um celular e com uma lente dermatoscópica acoplada, seja possível extrair um diagnóstico rapidamente.

“A ideia é que coloquemos isso dentro de um posto de saúde, por exemplo, onde não tem um dermatologista. Muitas vezes, a pessoa só se dá conta da lesão quando começa a crescer, coçar e sangrar, quando provavelmente o câncer já avançou e a chance de cura é muito mais baixa, de 14%. Já nos estágios, iniciais a chance de cura é de 97%”, afirma a professora Sandra Avila, docente do Instituto de Computação que integra o estudo.

A pesquisadora permanece dedicada ao projeto desde 2014 e frisa que a ideia não é substituir o diagnóstico realizado pelo médico, mas dar apoio ao profissional. “A inteligência artificial funciona como um suporte, como auxílio, mas a decisão final sempre tem que ser do médico”, completa.

Segundo a docente, aliar a tecnologia ao conhecimento do profissional de saúde pode trazer celeridade na detecção precoce do melanoma, que é o tipo de câncer de pele mais agressivo e letal, melhorando o prognóstico de vida do paciente.

Inovação

A análise realizada pela máquina acontece através de um banco público de imagens. Com os algoritmos desenvolvidos pelos pesquisadores, o computador consegue identificar se a lesão é benigna ou maligna. Atualmente, o banco conta com 23.906 fotografias de diferentes tipos de lesões de pele.

Quanto mais imagens, diz a professora, maior é a possibilidade de o diagnóstico ser preciso, pois a máquina aprende por meio de exemplos. Por isso, uma das perspectivas de avanço da pesquisa é poder engordar o banco de dados com imagens obtidas em hospitais brasileiros.

O resultado de 86% na precisão dos diagnósticos, conforme Alceu Bissoto, doutorando em Ciência da Computação e orientando de Sandra Avila, foi observado através dos dados já existentes, referentes às lesões, no banco de dados. “Esses 86% não são necessariamente sobre dados em uma situação real. É sobre um conjunto de imagens público, do qual já sabemos quais são os diagnósticos, e aí a gente compara a performance da solução com o diagnóstico real, chegando aos 86%”, salienta ele.

Ainda quando é removida parte da informação a imagem, o diagnóstico segue acertando 71% dos diagnósticos, taxa maior que média de 67% de precisão da avaliação de 157 dermatologistas.

“Mesmo quando se arranca a informação, o resultado ainda é melhor do que aqueles 67%. Mas cuidado: a gente não quer dizer que a máquina é melhor que os médicos. A questão mais interessante é pensar no que a máquina está aprendendo que, mesmo tirando informação importante do ponto de vista médico, ela continua acertando”, afirma Sandra Avila.

A resposta, que envolve compreender quais são os padrões que a máquina está criando e observando por conta própria, é o que os pesquisadores desejam encontrar em poucos meses, dando seguimento a mais uma etapa da pesquisa.

 

COMENTÁRIOS