Um grupo de pesquisadores da Unicamp (Universidade Estadual de Campinas) desenvolve um software com potencial para dar agilidade aos diagnósticos do câncer de pele do tipo melanoma. Com base na 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. A média de precisão pelos dermatologistas é de 67%.
A informação foi revelada na última segunda-feira, no Jornal da Unicamp, e destacada ontem no portal do governo paulista. Agora, os 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, professora 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%”, afirmou a docente ao Jornal da Unicamp.
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 ampliar 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%”, salientou.
Ainda quando é removida parte da informação da 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.
