Pipeline para acesso efêmero a dados sensíveis na Teledermatologia

Abstract

O avanço exponencial do Sistema de Telemedicina e Telessaúde de Santa Catarina (STT) resultou na consolidação de repositórios massivos de imagens médicas, formando um ecossistema de Big Data que ultrapassa a marca de 10 milhões de exames. Esse vasto acervo constitui um ativo informacional fundamental para o desenvolvimento de modelos preditivos de Inteligência Artificial (IA) voltados ao diagnóstico precoce do câncer de pele, como o melanoma. Contudo, a utilização desses ativos por pesquisadores externos suscita um grave conflito entre a inovação tecnológica e o direito fundamental à privacidade. A problemática central reside na vulnerabilidade da quebra de custódia: ao permitir a persistência de arquivos físicos nos discos rígidos e dispositivos de armazenamento secundário (SSD) locais dos pesquisadores, o dado sensível fica exposto a negligências operacionais e falhas humanas, configurando riscos severos de vazamento e descumprimento da Lei Geral de Proteção de Dados (LGPD). Na literatura, abordagens tradicionais baseadas em criptografia pesada inviabilizam o processamento, enquanto métodos de anonimização alteram os pixels e prejudicam a precisão diagnóstica. Diante desse cenário, este trabalho tem como objetivo geral desenvolver e validar uma arquitetura de pipeline de acesso efêmero a imagens médicas, visando garantir a proteção absoluta dos dados por meio do processamento estritamente em memória volátil (RAM). A solução implementa o paradigma de Persistência Zero, integrando o servidor de objetos MinIO e a geração de URLs pré-assinadas temporárias para injetar o fluxo binário diretamente em um buffer de memória via classe io.BytesIO da linguagem Python. Do ponto de vista metodológico, trata-se de uma pesquisa aplicada, experimental e quantitativa. O ambiente de testes simulou o STT utilizando a infraestrutura de alto desempenho Jupyter VLAB da UFSC, equipada com NVIDIA DGX H100. A base pública HAM10000 foi submetida a técnicas de oversampling e particionamento para evitar vazamento de dados algorítmico. O sistema foi validado em quatro eixos: preparação algorítmica, auditoria de segurança, benchmark de tráfego de rede e eficácia diagnóstica. Os resultados práticos atestaram o sucesso da solução. A auditoria de disco, realizada por meio de mapeamento de diretórios (snapshotting) e monitoramento de RAM (tracemalloc), comprovou matematicamente a gravação nula de arquivos residuais. Para mitigar o gargalo de rede imposto pelo acesso remoto, construiu-se um pré-carregamento assíncrono (prefetching) utilizando múltiplos núcleos da CPU, o que garantiu uma vazão superior a 11 imagens por segundo, eliminando a ociosidade da placa de vídeo. Ao submeter o pipeline a um ciclo completo de treinamento preditivo utilizando uma rede neural, o modelo obteve acurácia próxima a 90% no conjunto de teste, preservando a integridade integral dos pixels originais. Conclui-se que o aumento no tempo de treinamento constitui um custo de privacidade vantajoso, materializando o conceito de Privacy by Design ao provar que é possível assegurar rigor extremo em segurança da informação sem comprometer a eficácia clínica e a evolução da IA médica.