Banca de QUALIFICAÇÃO: JOSÉ FABRÍCIO DE CARVALHO LEAL

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : JOSÉ FABRÍCIO DE CARVALHO LEAL
DATA : 21/08/2026
HORA: 14:00
LOCAL: NMT (on line)
TÍTULO:

"LEISHMANIOSE CUTÂNEA: contribuições do aprendizado profundo para a identificação automatizada de lesões e suporte à decisão clínica".

PALAVRAS-CHAVES:

Leishmaniose cutânea; Identificação de lesões; Inteligência artificial; Aprendizado profundo; Doenças Tropicais Negligenciadas de Pele.

PÁGINAS: 90
RESUMO:

A leishmaniose cutânea (LC) é uma doença negligenciada, frequentemente confundida com outras dermatoses. Os métodos diagnósticos convencionais apresentam limitações, evidenciando a necessidade de abordagens complementares e inovadoras. Este estudo tem como objetivo avaliar o desempenho de algoritmos de aprendizado de máquina para identificar imagens de lesões de LC e contribuir para a identificação automatizada de lesões cutâneas na prática clínica. O delineamento metodológico compreende a ampliação de um banco multicêntrico de imagens clínicas coletadas entre 2013 e 2025, provenientes de centros colaboradores no Brasil e no Peru, a avaliação de algoritmos de aprendizado profundo, a interpretação de suas decisões e sua incorporação a uma plataforma móvel. O desempenho dos modelos será avaliado por meio das métricas de acurácia, sensibilidade, especificidade, área sob a curva ROC (AUC-ROC) e mapas Grad-CAM, com intervalos de confiança de 95%. As análises estatísticas serão realizadas no software R (versão 4.2.1). O estudo foi aprovado pelo Comitê de Ética em Pesquisa da Faculdade de Medicina da Universidade de Brasília (CAAE: 68696323.5.0000.5558; parecer nº 8.483.983) e pelo Comitê Institucional de Ética em Pesquisa do Instituto de Medicina Tropical da Universidad Peruana Cayetano Heredia, Lima, Peru (SIDISI: 220580). Como resultados parciais da tese, foram analisadas 208 imagens clínicas de lesões cutâneas, sendo 104 casos de LC e 104 casos de dermatoses não relacionadas à LC, incluindo infecções fúngicas (esporotricose, paracoccidioidomicose e cromoblastomicose), bacterianas (hanseníase, piodermite e ectima) e condições não infecciosas (insuficiência venosa e câncer de pele), todas com diagnóstico laboratorial confirmado e provenientes do Ambulatório de Dermatologia do Hospital Universitário de Brasília. As imagens foram anonimizadas, redimensionadas e divididas em conjuntos de treinamento (70%), validação interna (10%) e teste (20%). Os algoritmos AlexNet, ResNet-50 e MobileNetV2 foram implementados no MATLAB. O MobileNetV2 apresentou o melhor desempenho geral na distinção entre LC e outras dermatoses, com acurácia de 0,74 (IC 95%: 0,68–0,80), seguido pelo AlexNet (0,72; 0,66–0,78) e ResNet-50 (0,69; 0,63–0,75). O AlexNet apresentou maior sensibilidade (0,81; 0,72–0,87), enquanto o MobileNetV2 apresentou maior especificidade (0,71; 0,62–0,79) e maior capacidade discriminativa (AUC = 0,79), superando o AlexNet (0,76) e ResNet-50 (0,73). As etapas subsequentes da pesquisa incluem a ampliação do banco multicêntrico de imagens, a validação dos modelos em diferentes populações e sua integração a uma plataforma móvel para apoio ao diagnóstico. Os resultados preliminares demonstram o potencial da inteligência artificial como ferramenta de apoio ao diagnóstico da leishmaniose cutânea, especialmente em regiões endêmicas e com recursos limitados.

MEMBROS DA BANCA:
Presidente - 3343228 - RODRIGO GURGEL GONCALVES
Interna - 2446211 - NADJAR NITZ SILVA LOCIKS DE ARAUJO
Externa ao Programa - ***.365.637-** - PATRÍCIA SHU KURIZKY - UnB
Externo à Instituição - ICARO BONYEK SILVA - FIOCRUZ