O Sistema Único de Saúde (SUS), em parceria com o Hospital Israelita Albert Einstein, está desenvolvendo uma inteligência artificial capaz de auxiliar profissionais de saúde na identificação de doenças de pele. O projeto, denominado CUTIS-AI, utiliza um aplicativo que pode ser operado mesmo sem conexão com a internet, ampliando o acesso em áreas remotas. A iniciativa busca apoiar, e não substituir, a avaliação clínica tradicional.
Tecnologia acessível para atenção básica
O aplicativo foi concebido a partir de entrevistas com profissionais que atuam na atenção básica, etapa fundamental do SUS. A ferramenta foi desenhada para funcionar offline, característica essencial para regiões com infraestrutura de conectividade limitada. Segundo os dados disponíveis, a taxa de acerto do sistema já alcança cerca de 80%.
Essa precisão, embora ainda em fase de validação, representa um avanço significativo para o suporte diagnóstico em contextos de escassez de especialistas. A possibilidade de uso em locais isolados pode reduzir o tempo de encaminhamento e melhorar o desfecho clínico dos pacientes. A fonte não detalhou quais sistemas operacionais são compatíveis com o aplicativo.
Doenças contempladas pelo sistema
Entre as enfermidades que a inteligência artificial pode identificar estão a esporotricose, a leishmaniose cutânea e a hanseníase. Também estão incluídas a cromoblastomicose, a lobomicose e a tuberculose cutânea, condições que frequentemente demandam diagnóstico especializado. Além disso, o sistema reconhece lesões decorrentes de acidentes loxoscélicos, causados pela picada da aranha marrom.
Essas doenças possuem apresentações clínicas variadas, o que torna o treinamento da IA um desafio. A diversidade de casos contribui para que o modelo aprenda a distinguir padrões sutis entre diferentes lesões. A inclusão de enfermidades negligenciadas reforça o potencial impacto do projeto na saúde pública.
Base de dados e treinamento do modelo
O estudo já analisou aproximadamente 1,4 mil pacientes e reúne mais de 4 mil imagens de lesões cutâneas. Essa variedade de exemplos é fundamental para treinar a inteligência artificial com casos reais e heterogêneos. Quanto maior a diversidade de tons de pele, idades e estágios das doenças, mais robusto tende a ser o desempenho do modelo.
O acervo de imagens permite que o algoritmo identifique características específicas de cada enfermidade, como bordas, texturas e coloração. A fonte não detalhou a distribuição geográfica dos participantes do estudo. Ainda assim, a quantidade de dados coletados indica um esforço consistente de validação clínica.
Papel de apoio à decisão clínica
A proposta do CUTIS-AI é atuar como ferramenta de apoio, sem substituir a avaliação realizada por médicos e enfermeiros. O julgamento clínico permanece central, e a inteligência artificial funciona como um recurso complementar. Essa abordagem busca reduzir erros e ampliar a confiança dos profissionais no uso da tecnologia.
Em áreas com poucos dermatologistas, o aplicativo pode oferecer uma segunda opinião preliminar, auxiliando na triagem de casos suspeitos. A ferramenta não emite diagnóstico definitivo, mas sinaliza possibilidades que devem ser confirmadas por exame clínico ou laboratorial. A fonte não detalhou os critérios de segurança adotados para evitar falsos positivos.
Próximos passos e desafios
O projeto ainda está em fase de estudo, e não há previsão divulgada para disponibilização ampla no SUS. A validação em diferentes contextos clínicos e populacionais é necessária antes de qualquer implementação em larga escala. A integração com os fluxos de trabalho da atenção básica também demandará treinamento das equipes.
Outro desafio é garantir a atualização contínua do banco de imagens e a calibração do algoritmo para novas variantes de doenças. A colaboração entre instituições públicas e privadas, como o Einstein, pode acelerar essas etapas. A fonte não detalhou o cronograma de conclusão do estudo.
Impacto potencial na saúde pública
Se validado, o CUTIS-AI poderá contribuir para a detecção precoce de doenças que, quando tratadas tardiamente, geram sequelas e custos elevados. A hanseníase, por exemplo, exige diagnóstico rápido para evitar incapacidades físicas. A esporotricose, por sua vez, tem se espalhado em áreas urbanas e demanda intervenção ágil.
A ferramenta também pode ser útil em campanhas de busca ativa, permitindo que agentes comunitários registrem imagens suspeitas para triagem remota. A redução da fila por consultas especializadas é outro benefício esperado, embora não quantificado nas informações disponíveis. A fonte não detalhou estimativas de economia para o sistema de saúde.