O Uso de IA par ao Diagnóstico do Câncer de Mama
- drmarcelomorenomkt
- 9 de jun.
- 2 min de leitura
Em mais um trabalho científico que tive a oportunidade de participar como co autoria, e eme uma sequencia do mesmo tema abordado em um texto anterior; apresento o trabalho publicado na revista Journal of Digital Imaging (https://doi.org/10.1007/s10278-020-00330-4). No artigo “Segmentation of Masses on Mammograms Using Data Augmentation and Deep Learning” produto da tese de doutorado do primeiro autor ( Felipe André Zeiser) foi descrito um sistema de apoio ao diagnóstico de câncer de mama por meio da análise automatizada de mamografias com inteligência artificial. Como sempre comento em meus textos, e é de conhecimento de todos, o câncer de mama é uma das principais causas de morte entre mulheres, e a detecção precoce é fundamental para aumentar as chances de cura. No entanto, identificar lesões suspeitas nas imagens pode ser difícil, pois tecidos saudáveis e doentes podem ter aparência semelhante. Para ajudar nesse desafio, os autores desenvolveram um sistema baseado em uma rede neural chamada U-Net, que é capaz de localizar e destacar áreas suspeitas (massas) nas mamografias. O estudo utilizou um grande banco de dados público com mais de 7.900 imagens de casos normais, benignos e malignos, o que é um diferencial em relação a estudos anteriores que usaram apenas partes do banco. Como mastologista contribui analisando previamente as imagens do banco de dados, além de orientar a parte textual referente a doenças mamárias. Neste processo foram envolvidas quatro etapas principais:
Pré-processamento, para remover informações irrelevantes e melhorar o contraste das imagens;
Aumento de dados (data augmentation), para criar variações das imagens e simular diferentes cenários;
Treinamento do modelo, com várias configurações da rede U-Net;
Testes, avaliando o desempenho do sistema em métricas como sensibilidade (capacidade de detectar massas), especificidade (evitar falsos positivos), precisão, e o índice Dice (que mede a sobreposição entre a imagem prevista e a real).
O melhor modelo atingiu 92,3% de sensibilidade, 80,5% de especificidade e 85,9% de acurácia, mostrando bom desempenho mesmo com uma base completa de dados. Isso é importante porque se aproxima mais da realidade clínica, onde casos variados e difíceis aparecem.
Os autores também compararam seus resultados com outros estudos da área e mostraram que seu modelo é competitivo, mesmo sem excluir casos difíceis. Além disso, demonstraram exemplos reais em que o sistema identificou corretamente as massas, bem como um caso em que houve falha, geralmente em mamas muito densas, que são mais difíceis de analisar — especialmente em mulheres jovens. Como conclusão, o estudo mostra que o uso de redes neurais e grandes volumes de dados pode apoiar médicos no diagnóstico precoce do câncer de mama, reduzindo a chance de erros e oferecendo uma “segunda opinião”. Para o futuro, os autores pretendem adaptar o sistema para diferentes tipos de mama, incluir dados clínicos dos pacientes e ampliar a base de dados para melhorar ainda mais os resultados. Na prática médica, em muitos serviços de radiologia, as ferramentas de IA já estão disponíveis e operando em conjunto com os médicos especialistas. Um caminho que só tem como objetivo aumentar as chances do diagnóstico precoce e com isso, maior chance de cura do câncer de mama.
Leia o artigo completo:
Comentários