O melanoma é responsável por mais de 70% de todos os cânceres de pele, e ocorre quando as células produtoras de pigmento chamadas melanócitos se multiplicam de forma incontrolável. Esse câncer é tipicamente diagnosticado por meio de inspeção visual de Lesões Pigmentadas Suspeitas (SPLs), e essa detecção precoce de lesões em um consultório médico muitas vezes salva vidas. No entanto, existem várias desvantagens com essa abordagem, incluindo o alto volume de lesões potenciais que devem ser biopsiadas e testadas antes de confirmar o diagnóstico. Uma imagem de campo amplo de lesões em um paciente é classificada com novas técnicas de aprendizado profundo para identificar lesões suspeitas. Para superar esses problemas, pesquisadores do MIT e algumas outras instituições em Boston, desenvolveram uma nova ferramenta de aprendizado profundo capaz de identificar mais facilmente lesões prejudiciais a partir de fotos tiradas com um smartphone. Artigo publicado na Science Translational Medicine, descreve o desenvolvimento da ferramenta usando um ramo da inteligência artificial chamado redes neurais convolucionais profundas (DCNNs). Os pesquisadores treinaram sua ferramenta usando mais de 20.000 imagens, tiradas de 133 pacientes e de bancos de dados disponíveis publicamente. É importante ressaltar que as fotos foram tiradas usando câmeras pessoais diferentes, para garantir que funcionaria com exemplos da vida real. A ferramenta foi treinada usando exemplos conhecidos, demonstrando mais de 90,3% de sensibilidade e 89,9% de especificidade na distinção de SPLs de lesões não suspeitas, pele e fundos complexos. Um aspecto interessante que distingue esta ferramenta das outras baseia-se na identificação de lesões usando o critério do 'patinho feio'. Esse método, atualmente usado por dermatologistas, assume que a maioria das manchas em um indivíduo parecem semelhantes entre si e são tipicamente não suspeitas, com manchas de aparência diferente classificadas como 'patinhos feios' para investigação posterior. Os critérios para classificar as lesões como suspeitas ou não suspeitas incluem sua circularidade, convexidade, inércia, intensidade e tamanho. Confira mais no vídeo.
