Liana Coll, Jornal da Unicamp
Através da análise de um banco de dados público de imagens, máquina detecta padrões e classifica as lesões (foto: Antoninho Perri)
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.
“A inteligência artificial funciona como um suporte”, afirma pesquisadora (foto: Antoninho Perri)
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.
