Algoritmo desenvolvido na Unicamp classifica lesões de pele através da análise das imagens
Um grupo de pesquisadores da Unicamp vem atuando no desenvolvimento de 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, dedica-se a melhorar o resultado e a desenvolver a aplicabilidade no cotidiano dos centros de saúde.
O anseio é que num 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 a gente coloque 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 Sandra.
A pesquisadora, que desde 2014 dedica-se ao projeto, frisa que a ideia não é substituir o diagnóstico realizado pelo médico, mas dar apoio a este profissional. “A inteligência artificial funciona como um suporte, como auxílio, mas a decisão final sempre tem que ser do médico”, observa. Assim, 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.
O diagnóstico da máquina
A análise realizada pela máquina, elucida Sandra, 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. Quando mais imagens, diz a docente, maior é a possibilidade de o diagnóstico ser preciso, pois a máquina aprende através 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, 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%”.
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”, frisa Sandra. 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.
Google premia estudo
Pelo quarto ano consecutivo, o estudo sobre a detecção do melanoma, que teve início em 2014 através de uma parceria entre Sandra 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. Destas, 13 estão ligadas a instituições públicas de ensino, sendo três da Unicamp.
