Estudo desenvolvido por diplomada de Engenharia de Software aponta potencial do aprendizado profundo como ferramenta de apoio à decisão médica
A inteligência artificial pode contribuir para tornar o diagnóstico do câncer de mama mais rápido e preciso. Esse foi o foco do Trabalho de Conclusão de Curso (TCC) desenvolvido por Gabrielli Sartori, diplomada em Engenharia de Software pela Universidade do Vale do Taquari – Univates.
Orientado pelo professor Juliano Dertzbacher, o estudo analisou como técnicas de aprendizado de máquina profundo podem auxiliar na identificação de lesões em exames de mamografia.
A mamografia é considerada o exame padrão para rastreamento e detecção do câncer de mama. No entanto, a interpretação das imagens exige atenção a detalhes minuciosos, especialmente em casos de tumores pequenos.
Segundo Gabrielli, redes neurais convolucionais podem ajudar nesse processo por serem capazes de identificar padrões complexos em imagens e oferecer suporte aos especialistas.
“Essas redes são eficazes no processamento de imagens complexas, permitindo identificar padrões que podem passar despercebidos ao olho humano, além de agilizar o processo de diagnóstico”, destaca.
Mais de 50 treinamentos experimentais
Para desenvolver o trabalho, Gabrielli utilizou a linguagem Python e o ambiente Jupyter Notebook. Os modelos foram treinados com auxílio das plataformas TensorFlow e Keras.
A pesquisa combinou três arquiteturas de redes neurais — DenseNet121, EfficientNetB1 e ResNet50 — por meio da técnica de ensemble learning.
O modelo foi testado com o banco público CBIS-DDSM, que reúne mais de 2,6 mil exames de mamografia digitalizados. O estudo envolveu etapas de pré-processamento das imagens, aumento de dados, balanceamento de classes e calibração do limiar de decisão.
Ao todo, foram realizados mais de 50 treinamentos experimentais, com diferentes configurações e técnicas.
IA como apoio aos profissionais de saúde
Os resultados indicaram que a combinação das redes neurais foi eficaz na classificação de lesões mamárias, demonstrando o potencial da inteligência artificial como ferramenta de apoio à tomada de decisão médica.
A pesquisa também aponta possibilidades para novos estudos voltados à automatização de etapas da análise de imagens e ao desenvolvimento de aplicações práticas na área da saúde.
Gabrielli ainda participou do sétimo episódio do videocast “Desenrola Aí”, da Univates, dedicado ao curso de Engenharia de Software e à área de tecnologia.
Com informações de Natalia Nissen/Univates.
