Classificações explicáveis para imagens de lesões de pele.
Resumo
A pele é o maior órgão do corpo humano em termos de área e peso, desempenhando funções essenciais como a proteção contra agentes externos, a regulação da temperatura e a percepção sensorial. Lesões de pele comprometem esse organismo e, em casos graves, podem indicar doenças dermatológicas, como o câncer de pele, que é o tipo mais frequente no Brasil. Por isso, identificar sinais suspeitos precocemente é fundamental para garantir o diagnóstico e o tratamento eficaz. O uso de Inteligência Artificial (IA) tem se tornado cada vez mais frequente para ajudar no diagnóstico e prevenção das lesões de pele malignas. Porém, seus resultados têm sido acompanhados de intensas discussões éticas e morais, especialmente relacionadas à privacidade dos dados dos pacientes, à responsabilidade pelos diagnósticos realizados pela IA e ao risco de vieses que influenciam diretamente os resultados dos algoritmos. Nesse cenário, a Inteligência Artificial Explicável (XAI) ganha destaque por proporcionar a interpretabilidade dos modelos, utilizando técnicas como regras inferenciais, mapas de ativação e modelos explicativos locais, permitindo maior compreensão e validação dos diagnósticos. Este artigo, propõe mostrar a classificação de lesões de pele por meio de redes neurais artificiais utilizando os classificadores EfficientNetB0, VGG16 e ResNet50, aliados a técnicas de XAI para identificar as características mais relevantes na classificação dessas lesões. Foram utilizados dados do conjunto ISIC 2019 e, dentre os classificadores testados, o melhor desempenho foi do ResNet50 que alcançou acurácia de 83%. Para analisar os resultados, aplicaram-se SHAP, LIME e Grad-CAM, que evidenciaram as regiões das imagens com maior influência na classificação. Conclui-se, assim, que a aplicação de XAI se mostra um recurso promissor para o processo de classificação de doenças dermatológicas e podendo ampliar a confiança nos resultados obtidos.
Os arquivos de licença a seguir estão associados a este item: