Detecção de Câncer de Pele por IA: Qual a Precisão Real?

Diversos estudos demonstraram que algoritmos de deep learning podem igualar ou superar dermatologistas na classificação de imagens dermatoscópicas. Um estudo marco de 2017 na Nature mostrou uma rede neural performando no nível de 21 dermatologistas certificados.

Porém, esses estudos usam imagens de alta qualidade cuidadosamente selecionadas, não as fotos variáveis que consumidores tiram com celulares em diferentes condições de iluminação.

Precisão em laboratório (imagens controladas, datasets curados) ultrapassa consistentemente 90% de sensibilidade para melanoma. Precisão no mundo real (fotos de celular, iluminação variável, diferentes tons de pele) cai significativamente, ficando entre 70-85% dependendo do aplicativo.

A diferença é causada por qualidade da imagem, variação de iluminação, diversidade de tons de pele nos dados de treinamento e diferença entre imagens dermatoscópicas e clínicas.

Diversos aplicativos oferecem análise de lesões por IA: SkinVision, UMSkinCheck e outros usam abordagens diferentes. Alguns analisam fotos clínicas (câmera padrão do celular), enquanto outros requerem acessórios de dermatoscópio. Nenhum app de IA para câncer de pele tem aprovação regulatória como ferramenta diagnóstica autônoma para melanoma em 2026.

Ferramentas de IA não avaliam lesões que não são fotografadas. Performam com menos precisão em peles mais escuras devido a viés nos dados de treinamento. Não avaliam histórico do paciente, risco familiar ou evolução da lesão ao longo do tempo. Não detectam melanoma em locais difíceis (unhas, mucosas, couro cabeludo sob cabelo). E não fazem biópsia.

Ferramentas de triagem por IA funcionam melhor como uma camada de triagem, ajudando a decidir se deve procurar um dermatologista, não substituindo a consulta. Nunca confie apenas em uma avaliação de IA para descartar câncer de pele. Se uma pinta te preocupa, vá ao dermatologista independente do que qualquer app diga.