Pesquisa de mestrado da Uema utiliza aprendizado de máquina para detectar metástase em câncer de mama
Por Assessoria de Comunicação Institucional em 28 de agosto de 2024
A pesquisa científica tem se mostrado uma ferramenta indispensável para a resolução de problemas que variam desde questões acadêmicas básicas até desafios relevantes para a sociedade. Um exemplo claro dessa contribuição é o trabalho de Danyllo Carlos Silva e Silva, fruto do Mestrado em Engenharia da Computação e Sistemas da Universidade Estadual do Maranhão, que recentemente foi um dos premiados no VII Prêmio Emanoel Gomes de Moura de Teses e Dissertações da Uema. O estudo, orientado pelo Prof. Dr. Omar Andres Carmona Cortes, aborda a detecção de metástase em câncer de mama utilizando aprendizado de máquina, especificamente uma combinação de técnicas de Ensemble Deep Learning.
Segundo o professor Omar, “a pesquisa científica possibilita resolver problemas de diversas naturezas e cada uma delas tem sua importância no desenvolvimento. Mesmo pesquisas básicas, que muitas vezes não têm uma aplicação direta evidente, acabam sendo utilizadas mais à frente em pesquisas mais avançadas ou aplicadas”. Ele ilustra a importância das pesquisas básicas com o exemplo das redes neurais, que, sem os estudos de Álgebra Linear no início do século XIX, não teriam se desenvolvido como se conhece hoje.
A pesquisa de Danyllo nasceu de um convite do Prof. Omar para integrar um grupo de pesquisa focado no tema. Desde então, o jovem pesquisador tem se dedicado ao estudo, que continuou na graduação e avançou para o mestrado. A pesquisa objetiva fornecer auxílio aos profissionais patologistas na análise de exames mamários, que frequentemente demandam várias horas para avaliação de centenas ou milhares de imagens.
De acordo com dados da Organização Mundial de Saúde (OMS), 2,3 milhões de mulheres foram diagnosticadas com câncer de mama em 2020, resultando em quase 700 mil mortes. A detecção precoce é crucial para salvar vidas e diminuir a progressão da doença. A utilização de algoritmos de aprendizado de máquina, como os desenvolvidos por Danyllo, pode acelerar o processo diagnóstico, sem comprometer a precisão, promovendo celeridade essencial no tratamento do câncer de mama.
A pesquisa de Danyllo comparou quatro arquiteturas de Deep Learning: VGG-16, VGG-19, CustomNet (criada pelos autores) e U-Net_VGG-19 (uma arquitetura Ensemble Deep Learning). Foram utilizadas duas bases de dados conceituadas no meio acadêmico para aplicação de aprendizado de máquina: dataset (com amostras de câncer de mama) e PatchCamelyon dataset (com amostras de metástase do câncer de mama), para treinar e testar os algoritmos. Os testes foram divididos em duas partes: com simples transferência de aprendizado (usando a base do ImagetNet com milhões de amostras como fonte e BreakHis como target) e com aprendizado por dupla transferência (com o algoritmo pré-treinado com os dados do ImageNet e BreakHis, e usando o PatchCamelyon como target).
Os testes foram realizados utilizando ferramentas na nuvem do Google, principalmente o Google Colaboratory, e as linguagens de programação Python, com frameworks como Keras, TensorFlow e PyTorch, permitindo que a pesquisa atingisse alto desempenho em tempo hábil.
“O trabalho alcançou resultados impressionantes, com 99% de precisão e um F-Score de 90%, demonstrando um balanceamento eficiente entre as classes positivas (com ocorrência de metástase) e negativas (sem ocorrência de metástase)”, destaca ele.
Sobre realizar a pesquisa Danyllo frisa: “tenho como principal lição aprendida de que posso trazer contribuições significativas para o ‘mundo real’ a partir do meio acadêmico, principalmente em um tema de tão alta relevância como a detecção do Câncer de Mama e métodos de diagnóstico mais sofisticados podem salvar vidas”.
De acordo com o orientador, “estudos como esse são importantes porque visam detecções mais rápidas e mais precisas, em uma doença como câncer, em que o tempo é essencial para a sobrevida do paciente ou até mesmo para ser curado”.
A pesquisa destaca o papel crucial que o meio acadêmico pode desempenhar na resolução de problemas reais, mostrando que o conhecimento gerado em universidades pode ter impacto direto na sociedade, especialmente em áreas tão críticas quanto à saúde.
Prêmio Uema de Teses e Dissertações
Danyllo expressa grande satisfação com o reconhecimento recebido: “É uma grande honra! Nunca tive um reconhecimento de tamanha grandiosidade em mais de 6 anos que desenvolvo pesquisas nesse tema. Estou muito feliz por ter sido reconhecido e espero poder contribuir cada vez mais com a aplicabilidade de conceitos acadêmicos no ‘mundo real’ com o intuito de gerar ganhos significativos”.
Para o Prof. Omar, “sem dúvida prêmios como esse incentivam tanto alunos quanto docentes a continuar produzindo trabalhos de qualidade que possam de alguma forma beneficiar a sociedade de maneira geral”.
Por: Paula Lima
