O modelo AI usa imagens histopatológicas para diagnóstico preciso (Imagem Representacional)
Nova Delhi:
O cancro da mama é responsável por 13,6 por cento de todos os casos de cancro (masculinos e femininos) na Índia, de acordo com o Relatório Mundial sobre o Cancro de 2022 publicado pela IARC (Agência Internacional de Investigação sobre o Cancro). Entre as mulheres, chega a 26% de todos os casos de câncer. Nos Estados Unidos, o cancro da mama é responsável por cerca de 30% de todos os novos casos de cancro entre as mulheres.
Novas pesquisas mostram que a Inteligência Artificial (IA) pode ajudar a combater esta doença ameaçadora. O diagnóstico precoce e preciso pode ser fundamental para o tratamento dos pacientes, e um sistema de IA recentemente desenvolvido promete fazê-lo com um diagnóstico quase perfeito.
Um artigo de pesquisa intitulado “Ensemble Deep Learning-Based Image Classification for Breast Cancer Subtype and Invasiveness Diagnosis from Whole Slide Image Histopathology” publicado no Cancers Journal no mês passado, detalha um modelo de IA que classifica e identifica diferentes tipos de câncer de mama presentes em um paciente, além de descartar malignidade (câncer) em primeiro lugar, identificando tumores benignos.
O estudo – realizado por pesquisadores da Northeastern University, Boston, juntamente com o Maine Health Institute for Research – desenvolveu um modelo de IA que analisa imagens histopatológicas de alta resolução (microscópicas em nível de tecido) de tecido de tumor de mama.
O sistema de IA, que supera os modelos anteriores de aprendizado de máquina (ML) no domínio, combinando as previsões de outros modelos de ML, é capaz de identificar e classificar o tumor em maligno (canceroso) ou benigno (não canceroso) usando dados históricos alimentados para o modelo durante o treinamento.
![Notícias mais recentes e de última hora na NDTV Notícias mais recentes e de última hora na NDTV](https://c.ndtvimg.com/2024-07/aiek6dd8_ai-ml-ensemble_625x300_09_July_24.jpg?im=FaceCrop,algorithm=dnn,width=1200,height=738)
Ele foi treinado em conjuntos de dados disponíveis publicamente chamados BreakHis (Breast Cancer Histopathological Database) e BACH (Breast Cancer Histopathology images). Para o BACH, as imagens microscópicas do tecido mamário foram meticulosamente rotuladas por médicos especialistas, categorizando as imagens em quatro classes – Normal, Benigno, Carcinoma In Situ e Carcinoma Invasivo.
![Imagens exemplares de microscopia demonstrando as quatro classes no conjunto de dados BACH (Fonte da imagem: Cancers 2024, 16(12), 2222) Imagens exemplares de microscopia demonstrando as quatro classes no conjunto de dados BACH (Fonte da imagem: Cancers 2024, 16(12), 2222)](https://c.ndtvimg.com/2024-07/04jfmlh_tumor_625x300_09_July_24.jpg?im=FaceCrop,algorithm=dnn,width=1200,height=738)
Imagens exemplares de microscopia demonstrando as quatro classes no conjunto de dados BACH (Fonte da imagem: Cancers 2024, 16(12), 2222)
E para o BreakHis, que consiste em 9.109 imagens microscópicas de tecido tumoral de mama, foi usado para categorizar tumores benignos e malignos em 4 subclasses cada – tumores malignos em carcinoma ductal, carcinoma lobular, carcinoma mucinoso e carcinoma papilar, e tumores benignos em adenosi. , Fibroadenoma, tumor filodes e adenoma tubular.
![Imagens de microscopia representativas de tecidos mamários malignos e benignos do conjunto de dados BreakHis (Fonte da imagem: Cancers 2024, 16(12), 2222) Imagens de microscopia representativas de tecidos mamários malignos e benignos do conjunto de dados BreakHis (Fonte da imagem: Cancers 2024, 16(12), 2222)](https://c.ndtvimg.com/2024-07/ohdtkch_tumor_625x300_09_July_24.jpg?im=FaceCrop,algorithm=dnn,width=1200,height=738)
Imagens de microscopia representativas de tecidos mamários malignos e benignos do conjunto de dados BreakHis (Fonte da imagem: Cancers 2024, 16(12), 2222)
Juntos, o modelo conjunto de ML tem uma precisão de 99,84 por cento. Tal métrica de desempenho durante a fase de pesquisa e desenvolvimento mostra uma promessa otimista para a aplicação da tecnologia no mundo real.
“A IA não pode deixar escapar um tumor na biópsia e não ficará exausta depois de diagnosticar 10 ou 20 pessoas”, disse Saeed Amal ao Northeastern Global News. Amal é professora de bioengenharia na Northeastern University e lidera o projeto do modelo conjunto.
Além do diagnóstico, os sistemas de IA também fizeram progressos no prognóstico e nas previsões relacionadas com o cancro da mama. Por exemplo, a IA agora pode prever a resposta da quimioterapia neoadjuvante (NAC) do câncer de mama usando imagens de hematoxilina e eosina (manchas comuns em imagens de tecidos) de biópsias com agulha pré-quimioterapia. Os sistemas de IA responsáveis pelo mesmo têm uma precisão de 95,15 por cento e foram detalhados em um artigo intitulado “Desenvolvimento de múltiplos pipelines de IA que prevêem a resposta à quimioterapia neoadjuvante do câncer de mama usando tecidos corados com H&E”, publicado em maio de 2023 no Journal de Patologia.
Além disso, a IA também fez progressos significativos na identificação de metástases linfonodais (disseminação de células cancerosas através dos gânglios linfáticos) e na avaliação do estado hormonal, que é importante para o tratamento do câncer de mama. Estes e muitos outros avanços alcançados pelas intervenções de IA ao longo dos anos na luta contra o cancro da mama foram declarados num artigo de revisão publicado na Diagnostic Pathology em Fevereiro.