IA no diagnóstico dermatológico

A inteligência artificial (IA) tem ganhado destaque crescente na medicina, especialmente na Dermatologia, onde seu potencial diagnóstico vem sendo amplamente explorado. Um dos principais ramos da IA é o Deep Learning, tecnologia que utiliza redes neurais artificiais capazes de aprender padrões complexos a partir de grandes volumes de dados, como imagens clínicas, sem necessidade de programação manual.

Inspiradas no funcionamento do cérebro humano, essas redes ajustam suas conexões conforme aprendem, permitindo que reconheçam características visuais relevantes e façam previsões, como diagnósticos médicos. Um exemplo notável dessa tecnologia é o ChatGPT, modelo de linguagem avançado da OpenAI, baseado na arquitetura de transformadores generativos (GPT), disponível gratuitamente desde 2023.

O ChatGPT já foi testado em exames médicos de diferentes especialidades, incluindo Oftalmologia, Dermatologia e na Prova de Título de Especialista em Dermatologia (TED) no Brasil. Em um estudo nacional, o modelo alcançou acurácia de 75,34%. Já no Reino Unido, obteve 63,1% de acurácia com o ChatGPT 3.5 e impressionantes 90,5% com o ChatGPT 4.0.

Para avaliar o desempenho do ChatGPT 4.0 em cenários clínicos dermatológicos, Pacheco e colaboradores (2025) conduziram um estudo observacional retrospectivo com casos publicados na seção “Qual o seu diagnóstico?” dos Anais Brasileiros de Dermatologia, entre 2019 e 2023. Foram incluídos apenas os casos com informações clínicas completas, imagens, exames laboratoriais, anatomopatológicos e imuno-histoquímicos, seguidos de perguntas com múltipla escolha.

A interação com o ChatGPT seguiu um protocolo padronizado, simulando a leitura e resposta aos casos clínicos, com a IA escolhendo uma das quatro alternativas disponíveis. As respostas foram comparadas com o diagnóstico correto definido pelos autores dos casos.

Dos 25 casos analisados, o ChatGPT acertou 21 diagnósticos, resultando em uma acurácia de 84%. O desempenho foi superior em casos resolvidos por avaliação clínica ou anatomopatológica, e menor nos que exigiam diagnóstico microbiológico.

O estudo não avaliou a capacidade da IA de gerar diagnósticos abertos, apenas com opções pré-definidas. Isso limitou a interpretação da acurácia diagnóstica em um contexto mais amplo.

Além disso, os erros cometidos pela IA foram associados a casos que exigiam integração de múltiplas fontes de dados — clínicos, histológicos e microbiológicos — evidenciando uma limitação atual na capacidade de síntese da IA em situações mais complexas.

Apesar dos resultados promissores, a aplicação do algoritmo na prática dermatológica ainda enfrenta desafios técnicos, como a padronização de imagens, generalização dos modelos e integração de dados clínicos complexos. Também há questões éticas e regulatórias importantes, como a responsabilidade legal em caso de erro e a aceitação da tecnologia por profissionais e pacientes.

Em resumo, o estudo de Pacheco e colaboradores (2025) reforçou que, embora a IA represente uma ferramenta poderosa, o exercício da medicina, principalmente em áreas como a dermatologia, exige aprendizado contínuo e julgamento clínico humano, que ainda não podem ser totalmente substituídos por algoritmos.