Um grupo de pesquisadores da Universidade Estadual de Campinas (Unicamp) desenvolve um software com potencial para dar agilidade aos diagnósticos do câncer de pele do tipo melanoma. Utilizando a 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.
Agora, dos cientistas estão dedicados a melhorar o resultado e desenvolver a aplicabilidade no cotidiano dos centros de saúde. O anseio é que, no futuro próximo, com o sistema instalado em um celular e com uma lente dermatoscópica acoplada, seja possível extrair um diagnóstico rapidamente, explica Sandra Avila, docente do Instituto de Computação que integra o estudo.
“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 ao Jornal da Unicamp.
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 ao Jornal da Unicamp.
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.
Premiação
Pelo quarto ano consecutivo, o estudo sobre a detecção do melanoma, que teve início em 2014 por meio de uma parceria entre Sandra Avila e o professor Eduardo do Valle, da Faculdade de Engenharia Elétrica da Unicamp, foi um dos contemplados pelo Google Latin America Research Awards (Lara).
O prêmio foi concedido a 25 pesquisas na América Latina, sendo 15 brasileiras. Dessas, 13 estão ligadas a instituições públicas de ensino, sendo três da Unicamp.