Aplicativos de detecção de câncer de pele mostram baixa eficácia

Descobertas inovadoras apresentadas no 30º Congresso EADV sugeriram que tornar os aplicativos baseados em tais modelos disponíveis diretamente ao público sem transparência nas métricas de desempenho para cânceres de pele raros, mas potencialmente fatais, é eticamente questionável.

Os aplicativos de rastreamento de câncer de pele direto ao consumidor falham em detectar cânceres com risco de vida, concluiu um novo estudo

Os pesquisadores em Londres se concentraram em dois tipos de câncer de pele, o carcinoma de células de Merkel (MCC) e o melanoma amelanótico, ambos cânceres raros, mas particularmente agressivos, que tendem a crescer rapidamente e requerem tratamento precoce. Eles criaram um conjunto de dados de 116 imagens desses cânceres raros e lesões benignas, ceratose seborreica e hemangiomas, e avaliaram essas imagens com dois modelos de aprendizagem automático.

> Carcinoma de células de Merkel

O carcinoma de células de Merkel (MCC) é um câncer não melanoma raro, muito agressivo e de crescimento rápido. Ela começa nas células de Merkel, produtoras de hormônios, que geralmente são encontradas na camada superior da pele e nos folículos capilares. A MCC se apresenta como protuberâncias vermelho-azuladas na pele, geralmente encontradas na cabeça, pescoço, braços e pernas, mas pode se espalhar para outras partes do corpo. Está principalmente associada à luz ultravioleta, desde a exposição prolongada ao sol e camas de bronzeamento, bem como a condições ou tratamentos que enfraquecem o sistema imunológico e infecções por poliomavírus. A prevalência de MCC é de 0,2 a 0,45 casos por 100.000 habitantes.

> Melanoma amelanótico

O melanoma é um tipo de câncer de pele que se desenvolve em células chamadas melanócitos. Na maioria das vezes, afeta pessoas mais velhas. O melanoma amelanótico é raro, representando cerca de 8% de todos os melanomas. Amelanótico significa sem melanina, um pigmento de pele de cor escura. Ao contrário de outros melanomas, os melanomas amelanóticos são geralmente vermelhos ou da cor da pele, em vez de escuros. Muitas vezes são difíceis de diagnosticar devido à falta de cor e podem ser confundidos com outras doenças de pele. Assim, como o seu diagnóstico costuma ser tardio, estão associados a um mau prognóstico.

O primeiro modelo estudado foi um dispositivo médico certificado, vendido diretamente ao público por meio da app store e anunciado como capaz de diagnosticar 95% dos cânceres de pele (Modelo 1). O segundo modelo estava disponível apenas para fins de pesquisa e foi usado como referência (Modelo 2).

Os resultados mostraram que o Modelo 1 classificou incorretamente 17,9% dos MCCs e 22,9% dos melanomas amelanóticos como de baixo risco. Por sua vez, 62,2% das lesões benignas foram classificadas como de alto risco.

Para a detecção de malignidade, a sensibilidade do Modelo 1 foi de 79,4% [intervalo de confiança (IC) de 95%: 69,3-89,4%] e a especificidade foi de 37,7% [IC 95%%: 24,7-50,8].

Para o Modelo 2, o MCC não foi incluído no diagnóstico das 5 primeiras para nenhuma das 28 imagens de MCC analisadas, o que levanta a possibilidade de o modelo não ter sido treinado para a existência dessa classe de doença.

A alta taxa de falsos positivos do Modelo 1 tem consequências potencialmente negativas em um nível pessoal e social.

Os resultados levantam uma questão mais importante sobre a segurança de outros modelos de inteligência artificial (IA) disponíveis comercialmente para detectar câncer de pele.

Lloyd Steele, principal autor do estudo no Blizard Institute, Queen Mary University of London, Reino Unido, explica: “Para melhorar, as avaliações do modelo de aprendizado de máquina devem considerar o espectro de doenças que serão observadas na prática. No momento, a maior parte do desempenho desses modelos é baseada nos dados de imagem disponíveis, o que é particularmente escasso quando se trata de câncer de pele raro."

Uma colaboração global entre grupos de pesquisa e hospitais pode ser uma etapa para resolver a lacuna de dados de imagens de câncer de pele, que é um elemento crucial para uma taxa de aprendizado de máquina de alto rendimento.

Marie-Aleth Richard, membro do conselho da EADV e professora do Hospital Universitário La Timone, em Marselha, disse: “O número de aplicativos de rastreamento de câncer de pele disponíveis para uso do consumidor está crescendo, mas como demonstrado nesta pesquisa, deve haver mais transparência sobre a segurança e eficácia dessas aplicações. Além disso, esses dispositivos detectam apenas o que é mostrado para analisar e não analisam sistematicamente toda a superfície da pele. Não ser transparente pode colocar vidas em risco."