OncoData: uso de inteligência artificial e machine learning para diagnóstico anatomopatológico de câncer

• Processo: 21/14596-9
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de novembro de 2022
• Data de Término da vigência: 31 de julho de 2023
• Área do conhecimento: Ciências da Saúde - Medicina
• Pesquisador responsável: Viviane Teixeira Loiola de Alencar
• Beneficiário: Viviane Teixeira Loiola de Alencar
• Empresa: Oncodata Soluções Tecnológicas Ltda
• CNAE: Atividades de serviços de complementação diagnóstica e terapêutica
• Auxílio(s) vinculado(s): 23/11600-0 - OncoData: uso de inteligência artificial e machine learning para diagnóstico anatomopatológico de câncer, AP.PIPE
• Bolsa(s) vinculada(s): 23/04195-2 - OncoData: Uso de inteligência artificial e machine learning para diagnóstico anatomopatológico de câncer, BP.TT; 22/13935-7 - OncoData: Uso de inteligência artificial e machine learning para diagnóstico anatomopatológico de câncer, BP.TT; 22/12952-5 - OncoData: Uso de inteligência artificial e machine learning para diagnóstico anatomopatológico de câncer., BP.TT
• Assunto(s): Patologia Oncologia Neoplasias pulmonares Diagnóstico de câncer Aprendizagem profunda Aprendizado computacional Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Câncer de Pulmão | Deep Learning | Inteligência Artificial | machine learning | patologia | Oncologia

Resumo

A patologia é essencial para o diagnóstico e correto tratamento de quase todos os tipos de neoplasias. Ela consiste em uma avaliação subjetiva feita por um médico patologista, baseada em padrões previamente descritos, e sua acurácia está diretamente relacionada, entre outros fatores, à experiência do avaliador. Por isso, divergências entre laudos anatomopatológicos são mais comuns do que esperaríamos e podem chegar até a 25% quando o material é revisado por um patologista experiente. Essas mudanças podem fazer a diferença entre o paciente receber ou não o diagnóstico e o tratamento adequados para uma doença grave como o câncer, com impactos sociais e financeiros importantes. Além disso, o número de patologistas tem reduzido ao longo dos anos, gerando escassez desse profissional tão importante e, consequentemente, atraso para diagnósticos, que podem demorar até 3 ou mais semanas, especialmente em locais de difícil acesso. Considerando o número de biópsias realizadas por ano no nosso país, isso se torna um problema emergencial. Novas tecnologias têm surgido como forma de gerar soluções para problemas importantes da sociedade. Há dados em literatura e de empresas internacionais sobre uso de visão computacional para o diagnóstico anatomopatológico de câncer. A pesquisa inicial do nosso projeto será elaborar um software de inteligência artificial com capacidade para diferenciar os principais subtipos de câncer de pulmão em material de biópsia pulmonar, versus tecido normal, visando a ajudar o patologista no momento de priorização de análises de casos mais urgentes dessa neoplasia, que é a mais letal mundialmente. Após, objetivamos utilizar a tecnologia para diagnósticos cada vez mais acurados, nos diversos subtipos de tumor, auxiliando o patologista no seu processo de avaliação e introduzindo redundância ao processo, como forma de redução de erros. Em fases mais avançadas da empresa, objetivamos a criação de um algoritmo capaz de gerar predições personalizadas para o tratamento de pacientes oncológicos, associando os achados anatomopatológicos às características clínicas e genômicas. Assim, essa tecnologia apresenta grande potencial para geração de impacto positivo na saúde, tanto pública quanto privada, do nosso país. (AU)