Uma inteligência artificial voltada à identificação de doenças de pele no SUS é capaz de analisar fotografias, levar em conta informações clínicas e funcionar mesmo sem conexão com a internet.
Essa é a proposta do CUTIS-AI, projeto desenvolvido em parceria pelo Ministério da Saúde e pelo Hospital Israelita Einstein. A ferramenta pretende auxiliar profissionais da rede pública a reconhecer sinais de determinadas doenças dermatológicas.
Por isso, o projeto chamou atenção em novembro de 2026: ele pode oferecer suporte às equipes de unidades de saúde com acesso limitado a dermatologistas.
No entanto, o aplicativo não foi criado para que qualquer pessoa fotografe uma mancha e receba um diagnóstico definitivo no celular. Seu objetivo é apoiar o trabalho das equipes de saúde, reunindo imagens de lesões, sintomas e dados epidemiológicos.
Em informações divulgadas pela Agência Brasil em 4 de novembro de 2026, os responsáveis informaram taxa de acerto preliminar de aproximadamente 80%.
O resultado chama atenção, mas exige contexto: um índice de acerto em testes não significa que oito em cada dez pacientes receberão automaticamente o diagnóstico correto em qualquer posto de saúde.
Além disso, o número não quer dizer que o aplicativo já tenha chegado a toda a rede do SUS. A iniciativa continua em desenvolvimento e avaliação.
Portanto, é essencial distinguir o potencial da inovação daquilo que os testes ainda não comprovaram.
O que é o CUTIS-AI, a IA para doenças de pele no SUS?
O CUTIS-AI é um projeto de triagem e de apoio à identificação de doenças de pele, especialmente condições que podem ser negligenciadas ou difíceis de reconhecer no atendimento inicial.
Na prática, a tecnologia combina análise de imagens e informações sobre o quadro clínico do paciente.
O desenvolvimento contou com profissionais da atenção básica, que enfrentam diariamente dúvidas sobre sintomas, encaminhamentos e avaliações especializadas.
Assim, a equipe pretende reduzir barreiras para reconhecer mais cedo situações que exigem atenção. Em alguns municípios e regiões remotas, uma consulta com dermatologista pode depender de deslocamentos e encaminhamentos.
Nesses casos, a ferramenta poderia ajudar o profissional local a organizar hipóteses e decidir quando aprofundar a investigação.
A palavra central é apoio. Mesmo com IA, a equipe deve ouvir o paciente, realizar exame físico, solicitar exames quando necessário e assumir a responsabilidade clínica.
Uma fotografia pode reunir pistas, mas não descreve sozinha toda a história de uma doença.
Como a inteligência artificial analisa as lesões na pele?
Antes de tudo, é importante entender que o sistema combina diferentes fontes de informação. Inicialmente, ele recebe imagens das alterações na pele.
Em seguida, considera dados clínicos e epidemiológicos que ajudam a contextualizar o caso.
Dependendo da situação, localização geográfica, histórico de exposição e características do paciente podem influenciar as hipóteses que um profissional precisa investigar.
Durante o treinamento, o software aprende relações estatísticas entre padrões visuais e as categorias fornecidas pelos pesquisadores. No entanto, uma semelhança visual não comprova, isoladamente, uma doença.
Lesões distintas podem ter aparência parecida; a mesma condição também pode se apresentar de maneira diferente conforme o estágio, o tom da pele e fatores individuais.
Por isso, os desenvolvedores reuniram imagens de pacientes brasileiros. Sistemas treinados quase exclusivamente com fotografias de outros países ou grupos populacionais podem ter desempenho desigual quando utilizados em contextos distintos.
Dessa forma, a equipe tenta incorporar essa diversidade ao desenvolvimento do sistema.
Outro ponto importante é o modo offline. Segundo os responsáveis, o aplicativo foi concebido para permitir o uso até em locais sem conexão com a internet.
Assim, profissionais que atuam em áreas com sinal instável poderiam usar a ferramenta em determinadas atividades.
Contudo, o modo offline não elimina requisitos de infraestrutura para atualizações, processos administrativos ou eventual compartilhamento de dados.
Quais doenças de pele o sistema pretende ajudar a reconhecer?
Os desenvolvedores priorizam algumas doenças infecciosas e condições dermatológicas de relevância para a saúde pública.
Entre elas estão hanseníase, esporotricose, leishmaniose cutânea, cromoblastomicose, lobomicose e tuberculose cutânea, além de lesões relacionadas a acidentes com aranha-marrom.
Embora apareçam no mesmo projeto, essas condições possuem causas e tratamentos diferentes.
Hanseníase e alterações de sensibilidade
A hanseníase é causada por bactéria e pode atingir pele e nervos periféricos. Lesões associadas à doença podem vir acompanhadas de alterações de sensibilidade, aspecto que não é plenamente demonstrado por uma foto.
O exame clínico continua essencial para analisar sinais e sintomas.
Leishmaniose cutânea e esporotricose
A leishmaniose tegumentar pode provocar lesões na pele e está relacionada a parasitas transmitidos por insetos vetores.
A esporotricose é uma infecção causada por fungos, com diferentes possibilidades de transmissão, inclusive associadas ao contato com animais infectados.
Por isso, cada diagnóstico exige análise da história clínica e, quando necessário, exames específicos.
Outras infecções e acidentes com aranha-marrom
Cromoblastomicose, lobomicose e tuberculose cutânea integram o grupo de condições que exigem atenção especializada e que nem sempre são rapidamente reconhecidas na primeira consulta.
Já o acidente com aranha-marrom envolve outro tipo de evento e pode demandar avaliação médica conforme a evolução dos sinais. Nenhuma dessas situações deve ser autodiagnosticada por imagem.
Portanto, não se pode apresentar a ferramenta como detector universal de câncer de pele, alergias ou outras doenças dermatológicas. Sua proposta atual está associada ao conjunto de condições priorizadas na pesquisa.
O que significa o índice de aproximadamente 80% de acerto?
Esse número foi informado em reportagem da Agência Brasil publicada em novembro de 2026 sobre os testes do CUTIS-AI. Trata-se de resultado preliminar, não de garantia de diagnóstico.
Além da porcentagem, os avaliadores precisam analisar quais casos entraram nos testes, a frequência de cada doença e os erros cometidos. Também precisam medir a capacidade de identificar pacientes que realmente necessitam de encaminhamento.
Na avaliação de um sistema diagnóstico, diferentes indicadores respondem a perguntas diferentes. A sensibilidade, por exemplo, considera quantos casos de uma doença são identificados entre pessoas que de fato a possuem.
A especificidade ajuda a medir quantos indivíduos sem a doença recebem resposta negativa. Já a acurácia geral pode esconder dificuldades para reconhecer condições raras, se não for analisada juntamente com outros resultados.
Por isso, comparar diretamente o índice de um aplicativo com os números de outro estudo ou com o desempenho de médicos em situações diferentes pode induzir a conclusões erradas.
O próximo passo relevante será avaliar o desempenho em unidades reais, com imagens de diferentes condições e pacientes que não integraram o treinamento original.
Além disso, as equipes precisam monitorar falsos positivos, que podem causar encaminhamentos desnecessários, e falsos negativos, que podem atrasar uma investigação.
O uso responsável de IA em saúde depende de protocolos claros para cada possibilidade.
Quantos pacientes participaram do desenvolvimento?
Conforme os dados divulgados pela Agência Brasil em 4 de novembro, a pesquisa já havia analisado cerca de 1,4 mil pacientes e reunido mais de 4 mil imagens de lesões. Isso não significa 4 mil diagnósticos diferentes.
Afinal, várias fotografias podem mostrar o mesmo paciente ou diferentes ângulos de uma lesão.
Por outro lado, a diversidade do material importa tanto quanto o volume.
Em um país com múltiplos tons de pele, biomas, contextos de saúde e condições de acesso ao atendimento, um banco de imagens excessivamente uniforme pode limitar a utilidade clínica.
O projeto informa que procura representar essas diferenças durante o desenvolvimento do sistema.
Além disso, a equipe precisa associar as imagens a diagnósticos confiáveis. Um programa de aprendizado de máquina pode reproduzir erros existentes nos próprios registros usados no treinamento.
Portanto, os desenvolvedores precisam garantir qualidade dos dados, revisão clínica e validação independente antes de ampliar o uso.
O aplicativo já pode ser utilizado em qualquer unidade do SUS?
Não há, nas fontes oficiais e reportagens consultadas até 9 de novembro de 2026, comprovação de que o CUTIS-AI esteja disponível de forma geral para todas as unidades do Sistema Único de Saúde.
Até essa data, os responsáveis apresentavam o sistema como tecnologia ainda em estudo e avaliação. Assim, a perspectiva de expansão não comprova que a implantação nacional esteja concluída.
O CUTIS-AI está associado a iniciativas de inovação no âmbito do Programa de Apoio ao Desenvolvimento Institucional do SUS, o Proadi-SUS.
O programa reúne o Ministério da Saúde e hospitais filantrópicos de excelência em projetos de pesquisa, qualificação, avaliação de tecnologias e aprimoramento da rede pública.
Entretanto, instalar o aplicativo não basta para produzir benefícios concretos. Os gestores precisam capacitar equipes, definir responsabilidades e proteger as informações dos pacientes.
Depois, devem integrar o sistema à rotina e avaliar resultados, como tempo até o diagnóstico e qualidade dos encaminhamentos.
O que muda para quem mora no Espírito Santo?
A novidade é relevante para usuários da rede pública de todo o país, inclusive para moradores do Espírito Santo, mas não há confirmação de implantação específica do CUTIS-AI em unidades capixabas nas fontes utilizadas nesta reportagem.
Portanto, qualquer aplicação local dependerá de decisões e etapas que as autoridades responsáveis ainda precisam divulgar.
Em cidades do interior, regiões rurais e locais com maior distância de serviços especializados, a perspectiva de uma ferramenta que opere sem internet pode ser particularmente interessante.
Entretanto, essa possibilidade não prova que o CUTIS-AI já funcione nesses locais.
Quem identifica uma mancha persistente, mudança de sensibilidade, lesão que não melhora ou outros sinais de preocupação deve procurar uma unidade de saúde para avaliação. A pessoa não deve adiar o atendimento enquanto aguarda uma nova tecnologia.
O acompanhamento depende da situação clínica de cada pessoa e dos serviços disponíveis.
Enquanto novas ferramentas são estudadas, a rede pública também amplia atendimentos por meios convencionais.
Por que a inteligência artificial não deve substituir o profissional?
Um aplicativo pode sugerir padrões, mas não consegue por si só ouvir o histórico completo do paciente, observar todos os sinais e considerar suas prioridades.
Na atenção básica, a decisão de encaminhar, acompanhar ou investigar um caso depende de informações que vão além do aspecto de uma lesão.
Além disso, o uso da ferramenta exige atenção ao risco de confiança excessiva nas respostas automáticas. Se o profissional aceitar a classificação automática sem verificar o contexto, um erro do modelo poderá influenciar o cuidado.
Em vez de substituir o julgamento clínico, a tecnologia deve ajudar o profissional a investigar melhor cada caso.
Por fim, a proteção de dados precisa ocupar um papel central. Fotografias da pele e informações de saúde são dados sensíveis, capazes de revelar detalhes íntimos da vida de uma pessoa.
Por isso, os gestores devem estabelecer regras de privacidade, acesso, finalidade de uso e procedimentos seguros de armazenamento ou compartilhamento.
Os detalhes técnicos específicos dessas medidas precisam ser esclarecidos pelos gestores antes de uma expansão do sistema.
Quais são os próximos passos para o CUTIS-AI?
Os próximos avanços exigem validar o sistema em unidades reais, avaliar diferentes perfis de pacientes e integrar seu uso às equipes de saúde.
Também será importante conhecer publicações técnicas detalhadas sobre desempenho, limitações, processos regulatórios aplicáveis e monitoramento após uma eventual implantação.
O interesse pela ferramenta é compreensível. A possibilidade de reunir imagens e contexto clínico em um sistema portátil e utilizável sem internet tem aplicações promissoras.
Ainda assim, é a melhoria do atendimento que deve medir o sucesso, e não apenas uma porcentagem obtida em testes.
Em resumo, o CUTIS-AI tenta aproximar a inteligência artificial das necessidades reais da atenção primária brasileira. Os dados iniciais indicam potencial.
No entanto, a tecnologia não substitui consultas e ainda precisa passar por etapas de validação. Informação correta, nesta fase, é tão importante quanto inovação.
Perguntas frequentes sobre a IA do SUS para doenças de pele
Posso baixar o CUTIS-AI para diagnosticar uma mancha em casa?
Não há confirmação de disponibilização geral do aplicativo para autodiagnóstico. O projeto foi concebido como apoio a profissionais de saúde e permanece em avaliação.
O CUTIS-AI funciona sem internet?
Segundo os desenvolvedores, o aplicativo tem funcionalidade offline para apoiar o uso em locais com conectividade limitada. Isso não elimina a necessidade de infraestrutura e protocolos para o serviço.
Ele identifica câncer de pele?
O escopo divulgado destaca doenças infecciosas, dermatológicas negligenciadas e lesões relacionadas a aranha-marrom. Não é correto anunciá-lo como ferramenta universal para diagnosticar câncer de pele.
Os 80% de acerto significam que a tecnologia está aprovada?
Não. A porcentagem é um resultado preliminar divulgado sobre a pesquisa.
A aprovação e a adoção de uma tecnologia em saúde envolvem avaliações e procedimentos próprios, além da análise clínica.
O aplicativo já chegou ao Espírito Santo?
Até a atualização desta reportagem, não havia confirmação nas fontes consultadas de implantação generalizada ou específica em unidades de saúde do estado.
Fontes e referências
Conteúdo informativo que não substitui a avaliação clínica.
