Dados do Trabalho

Título

Aplicação de Inteligência Artificial no Diagnóstico de Leishmaniose Cutânea: Avaliação de Sete Algoritmos

Introdução

A leishmaniose cutânea (LC) é uma doença infecciosa que afeta cerca de um milhão de indivíduos anualmente em todo o mundo, principalmente em regiões tropicais e subtropicais. As lesões cutâneas resultantes de LC podem se manifestar de diversas formas, impactando negativamente a qualidade de vida dos indivíduos infectados, causando desfiguração corporal e facial, o que afeta a aparência, saúde mental e social, contribuindo para a estigmatização dos pacientes. Além disso, o diagnóstico da LC depende da experiência de profissionais de saúde e de procedimentos laboratoriais, tornando o processo de diagnóstico lento e, muitas vezes, tardio. Nesse contexto, a identificação automatizada de doenças de pele baseada em aprendizagem profunda tem sido aplicada para auxiliar o diagnóstico.

Objetivo (s)

Objetivou-se avaliar o desempenho de sete algoritmos de aprendizado profundo na identificação de lesões de LC, utilizando um banco de dados composto por uma única imagem de cada lesão de pacientes atendidos no Hospital Universitário de Brasília (HUB).

Material e Métodos

Foram utilizadas 310 imagens de alta resolução para treinar e testar sete algoritmos (AlexNet, DenseNet 121, DenseNet 169, DenseNet 201, Inception-ResNet V2, NasNet-Large, NasNet-Mobile), sendo 206 de LC e 104 de outras dermatoses (ex: carcinoma basocelular, piodermite, insuficiência venosa, esporotricose, hanseníase, cromomicose, etc), obtidas de pacientes atendidos entre 2015 e 2022 no Ambulatório de Dermatologia do HUB. As redes utilizaram 90% das imagens para treinamento e 10% para teste. As imagens foram escolhidas aleatoriamente pelos algoritmos. O desempenho foi avaliado a partir das matrizes de confusão, analisando a maior acurácia. O projeto foi aprovado pelo Comitê de Ética em Pesquisa da UnB, sob o parecer nº 6.274.867.

Resultados e Conclusão

O algoritmo Inception-ResNet V2 apresentou a maior acurácia (80,65%) na identificação de lesões de LC em comparação com outras doenças de pele, seguido pelo AlexNet (74,19%) e DenseNet 169 (67,74%). Desse modo, os algoritmos tiveram um bom desempenho na identificação de lesões de LC utilizando um banco de dados construído com uma única imagem de lesão de cada paciente atendido no HUB. Além disso, não houve vazamento de dados, e o diagnóstico automatizado de lesões de LC usando inteligência artificial pode contribuir para os serviços de saúde através do diagnóstico precoce, diminuindo os impactos negativos na qualidade de vida dos indivíduos afetados e promovendo um tratamento oportuno da LC.

Palavras Chave

leishmaniose; diagnóstico automatizado; lesões cutâneas; Algoritmos de Deep Learning; imagens dermatológicas.