Aplicativo de Paciente com Inteligência Artificial para CCEs RDEB

Neste estudo, um modelo de inteligência artificial para detectar carcinomas de células escamosas (CEC) em fotos de epidermólise bolhosa distrófica recessiva (RDEB) é desenvolvido. O objetivo final é integrar este modelo em um aplicativo para pacientes e médicos, para ajudar a detectar precocemente SCCs em RDEB.

SCCs que metastatizam rapidamente são a principal causa de morte em adultos com RDEB. Quanto mais cedo um SCC for reconhecido, mais fácil ele pode ser removido e melhor o resultado. A IA aproveita a ciência da computação para executar tarefas que normalmente requerem inteligência humana e recentemente foi usada para identificar cânceres de pele com base em imagens. Atualmente, estamos desenvolvendo uma abordagem de IA para detecção precoce de SCC e distinção de malignidade de feridas crônicas e outros achados de pele RDEB. O objetivo é criar um aplicativo da web para pacientes com RDEB para fazer upload de imagens de sua pele e obter uma saída quanto ao SCC presente/sem SCC. Isso será especialmente valioso para pacientes com difícil acesso a especialistas médicos e aqueles que hesitam em permitir o exame completo da pele em cada visita, muitas vezes por medo de biópsias. Assim, este projeto beneficiará diretamente os pacientes ao permitir o reconhecimento precoce de SCCs e capacitará os pacientes e suas famílias ao fornecer uma ferramenta de uso doméstico.

Até agora, a equipe do estudo usou principalmente imagens profissionais (fotografias tiradas em ambientes hospitalares por médicos, enfermeiros e fotógrafos clínicos) de SCCs em RDEB e imagens de pele RDEB sem SCC para desenvolver e treinar o modelo de IA. As imagens esperadas em um cenário da vida real serão, em sua maioria, fotos tiradas por pacientes ou familiares com seus telefones ou câmeras digitais. Essas imagens têm propriedades diferentes em relação à resolução, foco, iluminação e planos de fundo. A incorporação dessas imagens será crucial nas próximas fases de desenvolvimento de modelo - teste e validação - para que o aplicativo da Web seja um sucesso para os pacientes.