Dados do Trabalho

Título

REPRODUÇÃO E ANÁLISE DO MODELO DE INTELIGÊNCIA ARTIFICIAL PARA DETECÇÃO DE CÂNCER EM MAMOGRAFIAS DE RASTREAMENTO: MODELO VENCEDOR DA COMPETIÇÃO RSNA® 2023

Introdução e objetivo(s)

O câncer de mama é o mais prevalente nas mulheres, com registro de 17.763 mortes em 2020 no Brasil, a maioria em estágios avançados. A detecção precoce poderia evitar grande parte destas mortes. Neste ensaio pictórico, reproduzimos o modelo vencedor da competição promovida pela Sociedade Radiológica da América do Norte (RSNA®) em 2023 de detecção de câncer em mamografias de rastreamento, de modo a validar um modelo que detecta o câncer mesmo na presença de inúmeros fatores, como qualidade e a forma de processamento das imagens.

Método(s)

Reproduzir o treinamento do modelo vencedor da competição do RSNA®, destacando as decisões por meio de um ensaio pictórico. A única modificação realizada na reprodução foi a redução do tamanho das imagens utilizadas durante o treinamento da rede pela metade, devido a limitações de hardware.

Discussão

A avaliação do modelo treinado revelou resultados promissores na detecção de câncer de mama, e pode servir como uma segunda análise das mamografias, auxiliando em resultados mais precisos. A redução do tamanho das imagens durante o treinamento teve impactos significativos na performance do modelo, refletida pela métrica F1 probabilístico de 0,38, em comparação com o valor de 0,56 obtido pelo modelo vencedor. Essa variação indica que imagens de alta resolução são fundamentais para atingir métricas robustas na detecção do câncer de mama. Ademais, a análise do treinamento demonstrou bastante potencial de melhoria, como no estágio de processamento das imagens, onde há perda de informações durante a conversão das imagens em formato DICOM e nos métodos de pré-processamento das imagens. Essas alterações podem influenciar significativamente na performance do modelo.

Conclusões

Em síntese, a implementação de uma abordagem abrangente para a detecção de câncer em imagens de mamografias de rastreamento revela-se promissora. Em trabalhos futuros, com o intuito de aprimorar a detecção de câncer, é importante utilizar um conjunto de dados com extenso volume de imagens de alta qualidade, representativas da realidade nacional, além de adicionar achados mamográficos categorizados ao modelo, como calcificações, massas, assimetrias, distorções arquiteturais e a densidade da mama, visto que podem auxiliar a criar um modelo mais robusto para a detecção do câncer.

Palavras Chave

Deep Learning; Diagnóstico de câncer de mama; Mamografía

Arquivos