A dermatoscopia provou ser uma técnica diagnóstica não invasiva útil para o diagnóstico de melanoma cutâneo. No entanto, a precisão diagnóstica da dermatoscopia depende significativamente do grau de experiência dos observadores. Muitos algoritmos foram descritos tentando alcançar um critério padrão para a avaliação de padrões e estruturas dermatoscópicas. Além disso, alguns algoritmos podem demorar muito para serem aplicados, portanto, sua eficiência e confiabilidade na prática diária podem ser menores do que o esperado. 

Estudos anteriores mostraram que a maioria dos melanomas difere das lesões melanocíticas benignas no número de cores, assimetria nas cores ou estruturas e na presença de algumas estruturas dermatoscópicas específicas do melanoma. 

Com base nesses fatos, Avilés-Izquierdo e colaboradores (2023) realizaram um estudo com objetivo de desenvolver um algoritmo dermatoscópico para o diagnóstico de melanoma que atendesse às seguintes características: precisão, máxima sensibilidade e especificidade para detectar o melanoma cutâneo; independência da experiência do observador em dermatoscopia; e mais fácil de executar na prática diária do que os algoritmos dermatoscópicos anteriores. 

Foi realizada uma análise retrospectiva multicêntrica de 1.120 imagens dermatoscópicas de tumores melanocíticos atípicos (320 melanomas e 800 não melanomas). 

Foi desenhado um algoritmo baseado na policromia, assimetria de cores ou estruturas e algumas estruturas específicas do melanoma. Uma análise de regressão logística univariada e multivariada foi calculada para estimar os coeficientes de cada potencial preditor para o diagnóstico de melanoma. 

Um escore foi desenvolvido com base em avaliações dermatoscópicas por quatro especialistas cegos para o diagnóstico histológico. 

A maioria dos melanomas tinham: 

• ≥3 cores (280; 84,5 %)
• Assimetria nas cores e/ou estruturas (289; 90,3 %)
• Ao menos uma estrutura específica do melanoma (316; 98,7 %).

O escore PASS ≥3 apresentou sensibilidade de 91,9%, especificidade de 87% e precisão diagnóstica de 88,4% para melanoma. O algoritmo mostrou uma área sob a curva (AUC) de 0,947 (95% CI 0,935-0,959). 

Figura 1: Imagem dermatoscópica de lesões pigmentadas suspeitas com três cores: marrom escuro, marrom claro e branco (1 ponto); assimetria de cores e estruturas (1 ponto); e rede pigmentada atípica como estrutura específica do melanoma (1 ponto). O escore PASS foi 3. O diagnóstico histológico foi de melanoma de disseminação superficial in situ. 

A dermatoscopia é uma técnica diagnóstica visual não invasiva capaz de melhorar a acurácia diagnóstica do melanoma em até 49% em relação ao exame visual. Existem vários algoritmos para o diagnóstico de melanoma com base na presença ou ausência de diferentes cores dermatoscópicas, padrões e estruturas em uma lesão. Seu objetivo deve ser fornecer uma série de critérios objetivos e homogêneos na análise de lesões pigmentadas atípicas e, se possível, independente da experiência prévia do observador. 

A análise de concordância interobservador revelou que a identificação de cores e assimetrias apresentou maior índice de concordância do que a maioria das estruturas dermatoscópicas. Estudos anteriores determinaram que características relacionadas à organização geral, cores e simetrias têm maior poder de correspondência e discriminação do que muitas estruturas de diagnóstico bem conhecidas, como rede de pigmentos atípicos ou manchas irregulares. Alguns algoritmos dermatoscópicos, como os algoritmos CASH e TADA, são baseados nessa ideia.  

A identificação de estruturas dermatoscópicas específicas do melanoma é uma base comum em quase todos esses algoritmos, mas alguns melanomas podem não apresentar nenhum critério dermatoscópico específico. Isso explica por que tantas estruturas e padrões vasculares sugestivos de melanoma foram descritos nos últimos anos. No estudo de Avilés-Izquierdo e colaboradores (2023), quase todos os melanomas apresentavam pelo menos uma estrutura específica do melanoma e 82,5% apresentavam duas ou mais. 

Em 2016, um grupo de pesquisadores da International Dermatoscopy Society (IDS) publicou o maior estudo comparativo entre algoritmos de dermatoscopia até o momento. Eles analisaram secundariamente, com base na análise primária de algumas estruturas dermatoscópicas, os resultados de acurácia diagnóstica obtidos por seis algoritmos analíticos. 

O método Menzies mostrou a maior sensibilidade para a detecção de melanoma (95,1%, 95% CI 89,0–98,4%) e a lista de verificação de 3 pontos foi a mais baixa (68,9%, 95% CI 53,0–64,6%). A maior especificidade foi demonstrada pela regra ABCD (59,4%, IC 95% 54,0-64,6%) e a menor pelo método de Menzies (24,8%, IC 95% 20,1-30,1%). Não foram observadas diferenças estatisticamente significativas para a área sob a curva ROC do algoritmo CASH, lista de verificação de 7 pontos, lista de verificação de 3 pontos, caos e pistas ou a regra ABCD, mas o método de Menzies mostrou uma AUC ligeiramente inferior (P 0,01). Esses resultados podem nos dar apenas uma impressão indicativa da confiabilidade dos critérios de cada algoritmo e devem ser avaliados com cautela. 

Outros algoritmos dermatoscópicos também incluíram critérios clínicos como idade ou diâmetro do tumor em seus algoritmos de diagnóstico para melhorar sua precisão. O algoritmo 18 PASS considera apenas características dermatoscópicas para simplificar seu desempenho na prática diária e reduzir a variabilidade interobservador, obtendo sensibilidade, especificidade e precisão muito boas para detectar o melanoma cutâneo. Suas variáveis formam uma sigla de quatro letras, fácil de lembrar e que não exige cálculos complexos como no algoritmo dermatoscópico ABCD ou IDScore. 

Em relação ao grau de concordância interobservador, a aplicação dos métodos diagnósticos foi melhor (moderada ou K ˃ 0,4) do que a maioria das estruturas dermatoscópicas (aceitável ou K = 0,2-0,4, com exceções). Esses resultados são semelhantes aos obtidos em estudos realizados com observadores inexperientes, portanto, seriam independentes de treinamento prévio em dermatoscopia. No estudo, os autores obtivemos concordância interobservador moderada, independentemente da experiência dos investigadores em dermatoscopia. 

As tendências nos últimos anos parecem ser o desenvolvimento de algoritmos automatizados por meio do uso de inteligência artificial e redes neurais convolucionais que aumentam a precisão do diagnóstico de melanoma e até superam o observador humano. No entanto, a maioria desses estudos apresenta metodologias muito heterogêneas, e um estudo prospectivo controlado mostrou que o grau de acurácia diagnóstica diminui drasticamente quando aplicado em condições da vida real. 

O algoritmo PASS mostrou uma precisão diagnóstica muito boa, independentemente da experiência dos observadores, e parece mais fácil de executar do que os algoritmos dermatoscópicos anteriores.