Câncer de Pele, Inteligência Artificial
O câncer de pele é a neoplasia de maior incidência no Brasil, representando 31,3% de todos os diagnósticos de tumores malignos. Embora a detecção precoce proporcione taxas de cura superiores a 90%, barreiras de acesso, longas filas e a desigualdade na distribuição de especialistas nos sistemas público e privado frequentemente resultam em diagnósticos tardios, transformando uma condição tratável em causa relevante de morbidade e mortalidade. Diante desta problemática, o presente projeto teve como objetivo o desenvolver e a validar um aplicativo móvel para a classificação de lesões cutâneas por meio de uma inteligência artificial especializada. A finalidade é atuar como uma ferramenta de apoio à decisão clínica, otimizando a triagem de pacientes e facilitando o acesso ao diagnóstico precoce. A metodologia adotou uma arquitetura de deep learning baseada em Aprendizagem por Transferência (Transfer Learning), utilizando o modelo EfficientNet como backbone, pré-treinado na base de dados ImageNet. Este modelo foi então ajustado (fine-tuned) para a tarefa de dermatologia, utilizando um conjunto de dados a partir de múltiplas fontes públicas, com destaque para o ISIC Archive e o subconjunto HAM10000. A IA superou a meta inicial de 90%, alcançando acurácia global de 92%. A sensibilidade atingiu 87% na detecção de lesões malignas e a especificidade 85% na identificação correta de casos benignos, demonstrando equilíbrio entre desempenho e confiabilidade diagnóstica. O projeto entregou com sucesso dois artefatos de software totalmente funcionais: o aplicativo móvel Skin Analyser AI, desenvolvido em Flutter para compatibilidade com Android e iOS, e um dashboard interativo para análise de KPIs, que permite o monitoramento em tempo real do desempenho do modelo. Os resultados obtidos confirmam a hipótese central do estudo: a inteligência artificial é uma ferramenta viável e de alta precisão para a triagem de câncer de pele, atuando como um sistema de apoio à decisão clínica.