Brasília (DF) – O Ministério da Saúde e o Hospital Israelita Albert Einstein firmaram uma parceria estratégica para a criação do CUTIS-AI, um sistema de inteligência artificial voltado ao suporte de profissionais na identificação de doenças dermatológicas. O projeto mira, especificamente, as dificuldades enfrentadas na rede pública, onde o diagnóstico precoce é um dos pilares para o sucesso terapêutico.
A tecnologia opera a partir da análise de imagens de lesões combinadas com um conjunto de dados clínicos, sociodemográficos e epidemiológicos. O diferencial reside na calibração do algoritmo, que considera as particularidades da população brasileira. Atualmente, a ferramenta está em fase de estudo e demonstra uma taxa de acerto em torno de 80%.
O espectro de atuação do CUTIS-AI é vasto. Entre as patologias que o sistema busca detectar estão a hanseníase, a esporotricose, a leishmaniose cutânea, a lobomicose, a tuberculose cutânea e a cromoblastomicose. A plataforma também é capaz de auxiliar na análise de lesões causadas por acidentes loxoscélicos, decorrentes da picada da aranha-marrom.
Um aspecto prático do desenvolvimento é a funcionalidade offline. Desenvolvido após uma rodada de entrevistas com trabalhadores da Atenção Básica, o aplicativo dispensa conexão com a internet, uma necessidade real em regiões remotas do país. Contudo, a premissa fundamental permanece inalterada: a tecnologia atua como suporte ao julgamento clínico, não como substituta para a avaliação do médico ou enfermeiro.
Até o momento, a base de dados do projeto já contempla 1,4 mil pacientes e mais de 4 mil imagens de lesões. Essa robustez, segundo Isabelle Carvalho, cientista de dados do Einstein, é essencial para ampliar a capacidade diagnóstica em locais com escassez de especialistas. O objetivo é levar uma ferramenta de ponta diretamente para o atendimento primário.
Fabiano Geraldo Pimenta Junior, secretário de Vigilância em Saúde e Ambiente do Ministério da Saúde, reforça que a eficácia da inteligência artificial em saúde depende intrinsecamente da qualidade dos dados. O uso de amostras que contemplam a diversidade de fototipos de pele, diferentes perfis socioeconômicos e variações regionais do Brasil garante que o modelo seja preciso ao lidar com o cotidiano clínico nacional. Ao treinar a máquina com a realidade local, evita-se a defasagem comum em tecnologias importadas, cujos algoritmos nem sempre dialogam com as características específicas dos pacientes brasileiros.
