Acne classification com CNNs: pipeline e métricas clínicas

Acne classification com CNNs deixou de ser uma prova de conceito e passou a exigir rigor clínico. Na dermatologia, o problema não é só reconhecer lesões; é distinguir grau de severidade, reduzir erro entre classes vizinhas e manter desempenho fora do dataset de treino.

O ponto central está no pipeline. Pré-processamento, balanceamento, divisão por paciente, escolha da arquitetura e métricas clínicas precisam operar juntos. Sem isso, uma CNN pode entregar acurácia alta e, ainda assim, errar justamente nos casos que mais importam para a conduta médica.

Por que acne classification exige mais que acurácia

Na prática dermatológica, acne classification costuma separar imagens em categorias como ausência, leve, moderada e grave, ou ainda por tipos de lesão, como comedões, pápulas e pústulas. O desafio está na sobreposição visual entre classes. Uma imagem com 12 lesões inflamatórias pode parecer moderada para um modelo, mas ser classificada como leve por um observador, dependendo da iluminação e do ângulo.

Por isso, a métrica isolada de accuracy é insuficiente. Em datasets desbalanceados, um modelo pode acertar 80% apenas por favorecer a classe majoritária. Em acne classification, o que interessa é reduzir falsos negativos em casos moderados e graves, já que eles influenciam tratamento, follow-up e escalonamento terapêutico.

Um estudo publicado em periódicos de dermatologia e IA mostrou que modelos supervisionados atingem resultados consistentes quando o problema é formulado com rótulos clínicos claros e imagens padronizadas. Para referência metodológica, vale revisar a base de práticas em Nature Digital Medicine e diretrizes de avaliação em PubMed Central.

Arquitetura CNN para acne classification

Uma CNN típica para acne classification usa blocos de convolução, normalização, pooling e camadas densas finais. Em vez de buscar uma arquitetura exótica, o ganho real costuma vir de modelos bem calibrados, como ResNet-50, EfficientNet-B0 ou MobileNetV3, especialmente quando o dataset não é enorme.

Backbone e fine-tuning

Em cenários com poucas milhares de imagens, o transfer learning é a escolha mais racional. O backbone pré-treinado em ImageNet aprende bordas, texturas e padrões de contraste; depois, o fine-tuning ajusta os últimos blocos para lesões cutâneas. Em acne classification, isso costuma superar treino do zero, principalmente quando há variação de pele, câmera e iluminação.

Camadas de saída

Para classificação multiclasse, a saída usa softmax. Para severidade ordinal, uma alternativa mais alinhada ao problema é modelar a tarefa como classificação ordinal, evitando tratar classes adjacentes como independentes. Em estudos clínicos, isso pode reduzir confusão entre leve e moderada, que é uma das fronteiras mais instáveis.

Em termos práticos, uma ResNet-50 com 25 a 30 milhões de parâmetros pode ser suficiente, desde que o pipeline seja consistente. Em mobile deployment, versões leves como MobileNet são úteis para triagem em campo ou apps de teledermatologia.

Em acne classification, a arquitetura importa menos do que o pipeline que impede vazamento, ruído e viés de iluminação.

Pipeline técnico: do dado bruto ao laudo assistido

O pipeline define o teto de desempenho em acne classification. Um fluxo sólido começa com curadoria de dados, passa por padronização de imagem e termina em validação externa. Cada etapa evita um tipo diferente de erro.

1. Curadoria e anotação

O ideal é ter anotação por dermatologistas, com consenso entre dois ou mais especialistas. Quando há discordância, a classe pode ser definida por majority vote ou por score ordinal. Em datasets clínicos, esse detalhe muda bastante a qualidade do rótulo.

2. Pré-processamento

Correção de brilho, white balance, crop da região facial e remoção de fundos irrelevantes ajudam a CNN a focar em lesões. Data augmentation também é importante: rotação leve, variação de contraste e espelhamento horizontal. Em acne classification, augmentations agressivas podem distorcer a morfologia das lesões e prejudicar o treinamento.

3. Divisão de treino, validação e teste

A divisão deve ser feita por paciente, nunca por imagem isolada. Se fotos do mesmo indivíduo aparecem em treino e teste, ocorre vazamento de dados. Esse erro infla a performance e é comum em projetos médicos. Uma divisão 70/15/15 por paciente é um ponto de partida, mas o mais importante é manter independência entre conjuntos.

4. Treinamento e regularização

Dropout, weight decay e early stopping ajudam a evitar overfitting. Em datasets pequenos, isso é quase obrigatório. Também vale usar class weights ou focal loss quando há desbalanceamento severo entre classes, algo frequente em acne classification, já que casos leves tendem a dominar a amostra.

Para guias técnicos de boas práticas em ML médico, consulte Artificial Intelligence in Medicine e materiais de referência em TensorFlow.

Métricas clínicas que realmente importam

Em acne classification, as métricas precisam refletir risco clínico. Acurácia pode ser útil, mas não basta. O conjunto mínimo deveria incluir sensibilidade, especificidade, F1-score, AUC-ROC e matriz de confusão por classe.

Sensibilidade e especificidade

Sensibilidade mede quantos casos positivos o modelo detecta. Em acne severa, ela é crucial, porque falsos negativos podem atrasar tratamento. Especificidade mostra quantos casos negativos são corretamente descartados. O equilíbrio entre as duas define a utilidade clínica.

F1-score e macro average

O F1-score é mais informativo em datasets desbalanceados. Em acne classification, o macro F1 é preferível ao micro F1, porque trata cada classe com peso semelhante. Assim, o modelo não esconde falhas na classe rara sob uma média inflada.

Sem validação externa e métricas clínicas por classe, uma CNN pode parecer boa no laboratório e falhar no consultório.

Calibração

Além da classificação, o modelo precisa ser calibrado. Probabilidades bem calibradas permitem dizer, por exemplo, que um caso tem 82% de chance de ser moderado. Isso ajuda no uso clínico e na triagem. Métricas como Brier score e reliability curve entram aqui. Em saúde, probabilidade mal calibrada é quase tão ruim quanto erro de classe.

Em um cenário clínico real, um modelo com AUC de 0,90 pode ser menos confiável que outro com AUC de 0,87, se este tiver melhor sensibilidade para acne moderada e grave. A interpretação depende da meta assistencial.

Validação externa, explicabilidade e prontidão clínica

A validação externa é a etapa que separa protótipo de ferramenta clínica. Se o modelo foi treinado em imagens de um único centro, ele pode falhar em outro hospital, com câmera diferente e tonalidade de pele distinta. Em dermatologia, esse problema é recorrente.

Explicabilidade com Grad-CAM

Mapas de ativação, como Grad-CAM, ajudam a verificar se a CNN está olhando para a lesão ou para artefatos do fundo. Em acne classification, isso é importante para auditar vieses. Se o modelo responde ao contorno do rosto ou à iluminação lateral, a confiabilidade cai.

Generalização e fairness

É essencial testar desempenho por faixa etária, sexo e fototipo. Um modelo robusto precisa manter estabilidade entre diferentes tons de pele. Caso contrário, a aplicação clínica fica restrita. Em estudos dermatológicos, a distribuição do dataset costuma ser o principal limitador da generalização.

Exemplo de benchmark clínico

Uma pipeline madura pode reportar, por exemplo, sensibilidade de 0,88 para acne moderada, especificidade de 0,91 para classes leves e F1 macro acima de 0,84. Esses números são mais úteis do que uma acurácia global de 92% sem contexto. O ideal é mostrar também matriz de confusão e curva ROC por classe.

Para aprofundar validação e transparência em IA médica, veja WHO guidance on AI for health e NIH/NIBIB.

Onde CNNs funcionam melhor em acne classification

As CNNs performam bem quando a tarefa é visual, o protocolo de imagem é estável e o rótulo clínico é consistente. Em acne classification, isso vale para triagem, monitoramento longitudinal e apoio à teledermatologia. Um app pode comparar a foto atual com a anterior e estimar mudança de severidade ao longo de 4 a 8 semanas.

Elas funcionam pior quando o dataset é pequeno, heterogêneo e mal anotado. Nesses casos, a solução não é insistir em uma arquitetura maior, e sim melhorar dados, anotação e validação. Em alguns cenários, um modelo menor e bem calibrado vence uma rede mais profunda e instável.

O ponto editorial é simples: acne classification não é apenas visão computacional. É uma tarefa clínica com restrições de qualidade, viés e segurança. Quem domina o pipeline entrega mais valor do que quem só compara arquiteturas em tabela.

Sobre o autor

pettrus

Editor IAIRON — Inteligência Artificial aplicada ao mercado brasileiro.