Startup usa IA e celular para rastrear câncer de pele onde não há dermatologista
A healthtech AI Pathology levou sua tecnologia Nevo a comunidades ribeirinhas do Pará e a trabalhadores rurais em Goiás. Para o médico, a pergunta não é se a IA ajuda, é onde termina o papel dela e começa o seu.
Marina DuarteColunista· 6 min de leitura
Este artigo foi escrito por Marina Duarte. Conteúdo produzido por agente de IA da redação AI Brasil, sob revisão editorial humana. Saiba como produzimos no expediente.
Uma lente de celular no lugar do dermatoscópio de consultório
A healthtech brasileira AI Pathology, fundada em 2024, criou o Nevo: um sistema que usa fotos de manchas e pintas, tiradas por smartphone com uma lente de dermatoscopia acoplada, para classificar o risco de lesões de pele. Durante dez dias, a tecnologia foi usada numa missão da ONG Base Colaborativa nas comunidades ribeirinhas de São Miguel e Vila Anã, na região de Santarém (PA), segundo reportagem da Pequenas Empresas & Grandes Negócios (PEGN), publicada em outubro de 2026.
O equipamento foi enviado para voluntários da ONG, que receberam orientação sobre como fotografar a lesão de forma adequada. As imagens seguiram para médicos cadastrados na plataforma da AI Pathology, espalhados pelo Brasil, que fizeram os laudos à distância. Ao todo, foram 100 triagens dermatológicas em dez dias num território onde consultar um dermatologista presencialmente seria impossível.
O modelo não é um aplicativo de autodiagnóstico que o paciente baixa sozinho. É uma ferramenta B2B2C: a AI Pathology vende a tecnologia para clínicas, redes de diagnóstico e ONGs, que a operam com apoio de profissionais de saúde treinados. Hoje a empresa diz atender seis clientes com atuação nacional.
O que o número de 95% de acurácia diz, e o que ele não diz
A AI Pathology afirma que o Nevo tem 95% de acurácia na classificação de risco das lesões. É um número alto, mas a reportagem da PEGN não detalha a metodologia por trás dele: não há indicação de publicação em periódico revisado por pares, nem o recorte entre sensibilidade (capacidade de não deixar passar um câncer real) e especificidade (capacidade de não gerar alarme falso).
Para quem trabalha com triagem de câncer de pele, essa distinção importa mais do que o número isolado. Um sistema pode ter 95% de acerto geral e ainda assim errar desproporcionalmente nos casos mais graves, que são raros na base de dados e mais difíceis de aprender. Até a empresa publicar os dados completos do estudo que sustenta esse índice, o número deve ser lido como acurácia relatada pelo fabricante, não como validação clínica independente.
O próprio desenho do produto reconhece esse limite: o Nevo não emite diagnóstico, ele faz triagem e direcionamento, e quem assina o laudo final é um médico humano conectado à plataforma. Essa divisão de papéis, a máquina classificando risco e o profissional responsável pelo parecer, é o ponto que mais interessa a quem decide se adota a ferramenta no próprio serviço.
Onde a tecnologia já rodou: três missões, três resultados diferentes
Além do Pará, a AI Pathology participou neste ano de outras duas frentes que ajudam a dimensionar o alcance da ferramenta.
| Missão | Parceiro | Volume triado | Resultado relatado |
|---|---|---|---|
| Ribeirinhos no Pará | ONG Base Colaborativa | 100 triagens em 10 dias | Primeiro acesso a triagem dermatológica para a população local |
| Trabalhadores rurais em Goiás | Senar Goiás e Instituto Câncer de Pele | 2.058 lesões rastreadas | 75 casos de câncer de pele confirmados |
| Rede de diagnóstico em Brasília | Sabin | Uso contínuo (não é missão pontual) | Parceria comercial, com laudos feitos à distância |
O caso Sabin é o mais relevante para quem avalia a tecnologia como serviço permanente, e não só como ação social. Segundo Willian Peter Boelcke, cofundador e CEO da AI Pathology, a rede de diagnósticos procurou a startup interessada em ir além da triagem pontual.
Temos cerca de 12 mil dermatologistas no Brasil, concentrados nas regiões Sul e Sudeste. Muitos brasileiros nunca fizeram uma consulta. Precisamos conectar essas pontas.
Willian Peter Boelcke, cofundador e CEO da AI Pathology
Esse desequilíbrio geográfico é o argumento central da empresa, e é também o que explica por que o produto nasceu voltado a triagem em larga escala, e não a diagnóstico individual de precisão.
O que muda para quem assina o laudo
A promessa da AI Pathology não é substituir o dermatologista, é alimentar a fila dele com casos já priorizados. Num município sem especialista, a IA aponta quais lesões merecem encaminhamento urgente e quais podem esperar uma avaliação de rotina. Quem confirma o diagnóstico, pede biópsia e decide a conduta continua sendo o médico, seja presencial ou por telemedicina.
Isso muda a rotina de duas formas concretas. Primeiro, reduz o tempo entre a primeira suspeita e o encaminhamento, o que em câncer de pele costuma ser o fator que mais pesa no prognóstico. Segundo, cria um fluxo novo de responsabilidade: o médico que faz o laudo à distância, via plataforma, está assinando um parecer sobre uma imagem captada por um leigo treinado, não por ele mesmo, e com equipamento de câmera variável.
Em resumo: para o médico que avalia adotar esse tipo de solução, a pergunta não é se a IA acerta 95% das vezes. É se o fluxo de trabalho deixa claro, por escrito, quem responde pelo laudo, que dado foi usado para treinar o modelo e qual é o protocolo quando a classificação de risco diverge do exame clínico presencial posterior.
Imagem de pele é dado de saúde sensível, e isso tem custo operacional
A Lei Geral de Proteção de Dados (LGPD) trata dado de saúde como dado sensível, com regras mais rígidas de consentimento, armazenamento e compartilhamento do que um dado comum. Uma foto de lesão de pele, associada a um paciente identificável, se enquadra nessa categoria mesmo quando tirada por um voluntário de ONG com lente acoplada ao celular.
A reportagem da PEGN não detalha como a AI Pathology trata consentimento informado nas missões voluntárias, nem onde as imagens ficam armazenadas depois do laudo. É um ponto que qualquer profissional de saúde deveria perguntar antes de adotar a ferramenta no próprio serviço, clínica ou parceria institucional: quem tem acesso à imagem, por quanto tempo ela é guardada, e se o paciente ribeirinho que teve a pinta fotografada em Santarém sabe que aquela imagem pode treinar um modelo de IA vendido depois a outras empresas.
Expansão: rodada seed, Harvard e um pedido à FDA
A AI Pathology levantou R$ 1,5 milhão no início de 2026 com o Enseada, family office dos fundadores da Sulamérica, e agora busca US$ 5 milhões (cerca de R$ 25 milhões) numa rodada seed, com expectativa de fechar até dezembro deste ano. Boelcke diz priorizar fundos brasileiros com quem já tem relacionamento, mas não descarta capital americano se as conversas no Brasil não avançarem.
A empresa também integra o programa Student i-lab, da escola de medicina da Universidade de Harvard, e já monta parcerias com instituições de ensino e corporações nos Estados Unidos, onde Boelcke pretende se mudar em 2027. Outro passo anunciado é pedir aprovação ao Food and Drug Administration (FDA), a agência reguladora de saúde americana, para que a tecnologia possa ser incorporada por seguros de saúde no país como forma de reduzir sinistros.
São planos ambiciosos para uma empresa que, pelos números divulgados, ainda tem seis clientes institucionais no Brasil. O crescimento relatado ano a ano (250% em clientes, 1.793% em imagens triadas, 256% em lesões de alto risco detectadas) mostra uma base pequena em expansão rápida, não uma operação já consolidada em escala nacional. Para o médico que avalia adotar a ferramenta hoje, isso significa lidar com um fornecedor ainda em fase de validação de processo, não com um produto maduro e testado em milhares de serviços de saúde.
Fonte: Pequenas Empresas & Grandes Negócios (PEGN), "Com IA e celular, startup leva triagem de câncer de pele a comunidades isoladas", publicada em 09/10/2026.
Escreve para quem nunca abriu um chat de inteligência artificial e quer começar pelo útil: criar uma imagem, arrumar uma foto, responder o cliente no grupo. Testa cada aplicativo antes de recomendar e conta quanto custa, onde funciona e onde erra.
