O USO DE APRENDIZADO DE MÁQUINA NO DIAGNÓSTICO DO CÂNCER DE PELE MELANOMA
O melanoma é um tipo maligno de câncer de pele que se origina a partir de mutações em melanócitos, células epidérmicas responsáveis pela produção de melanina. Frequentemente, manifesta-se na forma de pintas pigmentadas na pele. A detecção precoce é crucial para o sucesso do tratamento, sendo o diagnóstico tradicionalmente baseado na regra visual ABCDE: assimetria, bordas irregulares, cor, diâmetro e evolução da lesão. A biópsia continua sendo o método mais preciso de confirmação. O uso de aprendizado de máquina para análise de imagens tem se mostrado promissor na triagem automatizada, reduzindo o tempo até o diagnóstico e intervenção médica, e aumentando as chances de sucesso terapêutico. Este projeto apresenta uma revisão sistemática sobre as tendências e lacunas no uso de aprendizado profundo (Deep Learning, DL) para detecção de melanoma. Com base nessa análise, desenvolvemos o PreSpot, um software de pré-processamento de imagens, com o objetivo de reduzir ruídos e remover artefatos que possam comprometer a interpretação automatizada das imagens fotográficas por modelos de DL. Em seguida, validamos um script de DL composto por diferentes algoritmos e técnicas de ensemble learning, utilizando imagens de bases públicas contendo melanomas e lesões benignas. Como perspectiva futura, pretendemos ampliar a diversidade dos bancos de imagens utilizados, incorporando diferentes tonalidades de pele a partir de dados de diversos países, o que possibilitará treinar modelos mais robustos e inclusivos. A eficácia será monitorada e otimizada com base em métricas como sensibilidade, precisão, especificidade e acurácia, ajustando os hiperparâmetros conforme necessário.