Acessibilidade / Reportar erro

Classificação multicategórica utilizando aprendizagem profunda aplicada ao diagnóstico de adenocarcinoma gástrico

RESUMO

Introdução:

Os patologistas enfrentam atualmente um aumento substancial na carga e na complexidade de seu trabalho diagnóstico em diferentes tipos de câncer. Isso ocorre devido ao aumento da incidência e da detecção de neoplasias, além da subespecialização diagnóstica e do advento da medicina personalizada. Existem inúmeros tratamentos disponíveis para diferentes tipos de câncer, e o diagnóstico deve ser dado com celeridade e precisão para cada caso. A aprendizagem profunda é uma ferramenta que vem sendo empregada no dia a dia, inclusive na detecção de imagens, e há crescente interesse em sua aplicação na Medicina, especialmente na Patologia, área em que apresenta potencial revolucionário.

Objetivo:

Neste artigo, apresentamos a aprendizagem profunda, em específico as redes neurais convolucionais, como uma potencial técnica para a análise de imagens digitalizadas de lâminas histopatológicas, detectando padrões identificáveis de forma automatizada, introduzindo a possibilidade de aplicação dessa tecnologia como ferramenta auxiliar no diagnóstico de neoplasias, principalmente no adenocarcinoma gástrico, objeto deste estudo preliminar.

Métodos:

A partir de um banco de dados de imagens digitalizadas de lâminas histopatológicas representativas de adenocarcinoma gástrico, identificamos três padrões morfológicos da neoplasia, bem como padrões de tecidos não neoplásicos, com os quais treinamos um algoritmo de rede neural convolucional, criado com a finalidade de identificar e categorizar imagens similares dentro desses padrões, de forma automatizada.

Resultados: Os resultados de identificação e classificação automática nas categorias definidas mostraram-se satisfatórios, com curvas ROC acima de 0,9.

Conclusão:

Os resultados evidenciam o potencial de aplicação das redes neurais convolucionais em lâminas digitalizadas de adenocarcinoma gástrico, consoantes com a literatura internacional.

Unitermos:
redes neurais (computação); neoplasias gástricas; aprendizagem profunda/modelo de aprendizagem de máquina

Sociedade Brasileira de Patologia Clínica, Rua Dois de Dezembro,78/909 - Catete, CEP: 22220-040v - Rio de Janeiro - RJ, Tel.: +55 21 - 3077-1400 / 3077-1408, Fax.: +55 21 - 2205-3386 - Rio de Janeiro - RJ - Brazil
E-mail: jbpml@sbpc.org.br