Uma plataforma desenvolvida pela startup brasileira AI Pathology vem sendo usada para acelerar a triagem de câncer de pele a partir de uma foto tirada com celular. Batizada de Nevo, a ferramenta analisa a imagem da lesão em menos de 8 segundos e classifica o risco de malignidade — não para dar um diagnóstico, mas para definir quem precisa ser examinado primeiro.
A distinção entre triagem e diagnóstico é o ponto central desse tipo de tecnologia e costuma se perder na tradução. O sistema usa redes neurais convolucionais para reconhecer variações morfológicas, texturais e estruturais da lesão, além da distribuição de cor, e cruza esses dados com informações clínicas e contextuais como localização da lesão, histórico médico e perfil demográfico. A acurácia relatada supera 94%. Ainda assim, o resultado é uma priorização de fila — o diagnóstico segue sendo do médico, com exame clínico e, quando indicado, biópsia.
O teste mais concreto veio de uma parceria com o Senar de Goiás, voltada a trabalhadores rurais — uma população de risco elevado justamente pela exposição solar prolongada e pelo acesso historicamente difícil a dermatologistas. Ao longo de sete meses, foram avaliados 2.078 trabalhadores, e o sistema apontou 75 casos que se confirmaram. O ganho operacional relatado foi expressivo: mais de 400 imagens processadas por hora e uma redução de cerca de 90% no tempo de triagem em relação ao método manual. Os pacientes identificados receberam avaliação gratuita no Instituto Câncer de Pele de Goiânia.
Esse é o tipo de aplicação em que a IA resolve um problema real do sistema de saúde brasileiro, e que raramente vira manchete. O Brasil tem alta incidência de câncer de pele e uma distribuição bastante desigual de dermatologistas pelo território — em boa parte do interior, a consulta especializada exige deslocamento e meses de espera. Detectado cedo, o câncer de pele tem índice de cura muito alto; detectado tarde, a história é outra. Uma ferramenta que reduz o tempo entre a lesão aparecer e alguém competente olhar para ela ataca exatamente esse intervalo. O que ainda falta, e vale acompanhar, é a validação em escala maior e em populações mais diversas — sobretudo em diferentes tons de pele, um ponto historicamente frágil em algoritmos de dermatologia.
