Sub-representação de peles escuras em repositórios de dermatoscopia

A dermatoscopia é amplamente utilizada na triagem de câncer de pele e lesões pigmentadas. É uma ferramenta essencial na dermatologia, pois aprimora a precisão diagnóstica ao fornecer imagens detalhadas da estrutura primária da pele e suas lesões.

Um subconjunto de dados do repositório Harvard Dataverse, chamado HAM10000, contém uma vasta coleção de imagens dermatoscópicas de lesões de pele pigmentadas comuns. A documentação que acompanha esses dados afirma que as imagens provêm de populações diversas e abrangem "todas as categorias diagnósticas importantes no campo das lesões pigmentadas". No entanto, diversos estudos revelaram a falta de representação de pacientes com pele de cor em fontes acadêmicas sobre doenças dermatológicas.

Esse racismo visual gerou, consequentemente, menos conforto e confiança entre os especialistas no cuidado e atenção a este grupo étnico, incluindo a oportunidade de ser diagnosticado corretamente. Por isso, Morales-Forero et al. (2023) investigaram e revelaram potenciais vieses raciais no conjunto de dados HAM10000.

Para isso, eles realizaram uma análise exploratória para investigar a ocorrência de pele escura dentro do banco de dados HAM10000 (hospedado em um repositório Harvard Dataverse), composto por 10.015 imagens dermoscópicas de lesões de pele. Uma representação visual que abrange todos os tons de pele foi gerada amostrando quatro pontos de dados cruciais de cada imagem e aplicando o Algoritmo Gray World para normalização de cores. Para confirmar a precisão da representação gráfica, dermatologistas validaram o processo de amostragem de pixels analisando 10% das imagens selecionadas aleatoriamente para cada tipo de lesão de pele. Esta representação visual foi produzida para o conjunto de dados inteiro, bem como para cada tipo de lesão de pele. Ademais, compararam a representação de lesões de pele no conjunto de dados HAM10000 com as prevalências documentadas das condições relevantes que afetam peles escuras.

No total, menos de 5% das imagens eram de pacientes com fototipos elevados, enquanto mais de 90% exibem fototipos de pele clara. Quando agregaram os tipos de lesões como nevos, melanoma e carcinoma basocelular (CBC), essas condições representaram 83,2% do conjunto de dados HAM10000, sugerindo um viés em direção a condições mais frequentemente observadas em peles claras. Em contraste, o carcinoma espinocelular (CEC) e a dermatosis papulosa nigra (DPN), mais prevalentes em peles escuras, foram notavelmente ausentes.

Embora os nevos sejam a condição mais frequentemente documentada no conjunto de dados HAM10000 (67%), os dados podem refletir inadequadamente a ampla variedade de aparências em peles mais escuras. A distribuição das cores dos nevos, variando de escuro a claro, refletiu de perto a composição geral de todo o conjunto de dados, mostrando uma proporção semelhante de pixels escuros. Por outro lado, o melanoma, que representa 11,1% do HAM10000, é o segundo tipo de lesão mais comum no conjunto de dados e mostrou a maior concentração de pixels escuros.

Embora o CBC seja menos comum em indivíduos de pele escura, ele continua sendo o segundo câncer de pele mais comum entre as populações negras. No entanto, ele foi retratado em apenas 5,1% do conjunto de dados, sugerindo uma possível deficiência na representação, o que pode prejudicar a capacidade dos diagnósticos algorítmicos de detectar com precisão o CBC em indivíduos com pele escura.

Em conclusão, o racismo visual é um problema que precisa ser abordado nas fontes médicas de informação e educação. Bancos de dados de imagens e modelos de inteligência artificial precisam ser alimentados com informações que incluam todos os tipos de pele, para garantir o acesso igualitário às oportunidades. Além disso, quaisquer casos em que condições que afetam pessoas de cor sejam sub-representadas devem ser meticulosamente documentados e relatados para destacar e abordar essas disparidades de forma eficaz. Isso é particularmente importante na imagem dermatoscópica, onde depender unicamente da análise de viés racial baseada em imagens é limitado.