Análise de tons de pele para educação com inteligência artificial

Os livros de medicina e artigos publicados carecem de uma representação adequada de tons de pele nas imagens usadas para demonstrar as manifestações de doenças dermatológicas. Como essas se manifestam de maneira diferente dependendo do tom de pele, materiais educacionais que retratem essa diversidade são essenciais para a formação dos futuros dermatologistas.

Análises anteriores feitas manualmente de materiais acadêmicos relacionados à dermatologia (revistas e livros) mostraram uma sub-representação dos tons de pele Fitzpatrick (FST) V e VI. Infelizmente, essa abordagem manual não é viável devido à sua natureza laboriosa, fadiga visual do operador e erros intra-inter-observadores na classificação dos tons de pele. A avaliação utilizando o aprendizado de máquina (ML) promete ajudar significativamente a identificar o viés em materiais educacionais.

Com objetivo de automatizar a análise de tons em materiais acadêmicos, Tadesse e colaboradores (2024) apresentaram o framework STAR-ED (Análise de Tons de Pele para Representação em Materiais Educacionais), que avalia essa representação usando aprendizado de máquina.

O STAR-ED pode ser empregado em materiais acadêmicos disponíveis, como livros, revistas e slides em diferentes formatos de arquivo (por exemplo, .pdf, .pptx, .docx). Dado um documento (por exemplo, um livro em formato .pdf), o programa aplica a análise de conteúdo para extrair texto, imagens e entidades de tabela em um formato estruturado. Em seguida, identifica imagens contendo pele, segmenta as partes contendo pele dessas imagens e estima o tom de pele usando aprendizado de máquina.

Para o teste, os pesquisadores selecionaram quatro livros médicos comumente usados na educação. Os resultados mostram um desempenho robusto na detecção de imagens de pele (0,96 ± 0,02 AUROC e 0,90 ± 0,06 F1 score) e na classificação de tons de pele (0,87 ± 0,01 AUROC e 0,91 ± 0,00 F1 score).

O STAR-ED quantifica a representação desequilibrada dos tons de pele em quatro livros médicos: imagens de tons de pele marrom e negra (Fitzpatrick V-VI) constituem apenas 10,5% de todas as imagens de pele. Anteriormente, essas imagens foram rotuladas manualmente para avaliar o viés de representação de tons de pele em um processo que levou mais de 100 horas de trabalho humano, em comparação com o framework STAR-ED, que gera uma avaliação de viés em minutos.

Sendo assim, o STAR-ED demonstrou, de maneira automática, um viés claro na representação nos materiais educacionais de dermatologia e nos livros didáticos para o tom de pele FST V-VI (≤10,5%).