Diagnóstico de câncer de mama e previsão de risco em mamografias de múltiplas incidências: aproveitando dados e experiência do Reino Unido e do Brasil

• Processo: 24/10263-3
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de fevereiro de 2025
• Data de Término da vigência: 31 de janeiro de 2028
• Área do conhecimento: Engenharias - Engenharia Elétrica - Telecomunicações
• Pesquisador responsável: Hae Yong Kim
• Beneficiário: Hae Yong Kim
• Pesquisador Responsável no exterior: Giovanni Montana
• Instituição Parceira no exterior: University of Warwick, Inglaterra
• Instituição Sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Pesquisadores associados: Carlos Shimizu ; Marcio Biczyk Do Amaral ; Maria Aparecida Azevedo Koike Folgueira ; Rosimeire Aparecida Roela
• Bolsa(s) vinculada(s): 25/03683-9 - Extração de imagens mamográficas e laudos dos sistemas do HC-FM-USP - primeira fase, BP.TT
• Assunto(s): Inteligência artificial Neoplasias mamárias Redes neurais convolucionais Aprendizagem profunda
• Palavra(s)-Chave do Pesquisador: artificial intelligence | Breast Cancer | Convolutional Neural Network | Deep Learning | Mammogram | Sistemas Inteligentes

Resumo

Este projeto colaborativo visa desenvolver novos métodos de IA (Inteligência Artificial) para diagnóstico de câncer de mama e previsão de risco usando mamografias, aproveitando a experiência combinada e diversos conjuntos de dados de mamografia do Reino Unido e do Brasil.O câncer de mama continua a ser um fardo significativo para a saúde global, com uma estimativa de 2,3 milhões de novos casos e 685.000 mortes só em 2020. A detecção precoce é crucial para melhorar os resultados dos pacientes. No entanto, os modelos de detecção de câncer e previsão de risco baseados em IA podem ser tendenciosos se a amostra de treinamento não for representativa de toda a população. O Reino Unido e o Brasil têm características demográficas distintas. Ao aproveitar dados de mamografia de ambos os países, este projeto visa reduzir preconceitos e melhorar a generalização dos modelos de diagnóstico e previsão de risco, contribuindo para um rastreio do câncer de mama mais equitativo e eficaz em todo o mundo.A equipe sediada no Reino Unido desenvolveu um modelo de aprendizagem profunda chamado BREST (Breast Risk Evaluation from Screening Test) para avaliação de risco de três anos usando mamografias. A equipe brasileira propôs um algoritmo de diagnóstico de câncer de mama denominado "Patch to Multi-View" (P2MV) que utiliza simultaneamente as duas visualizações padrão da mama para aumentar significativamente a precisão, em comparação com outras estratégias que também utilizam as duas visualizações. Testaremos se a previsão do risco de câncer de mama fornecida pelo BREST pode ser melhorada usando múltiplas visualizações mamográficas por meio do algoritmo P2MV.Ao encontrar uma lesão suspeita, o radiologista pode solicitar exames complementares de mamografia, como cone, clivagem, compressão, etc., para melhor avaliar a anormalidade detectada. Propomos investigar se o uso dessas visões complementares pode ajudar a melhorar a detecção e a previsão de risco do câncer de mama. O algoritmo P2MV é adequado para esta tarefa, pois pode extrair informações de múltiplas visualizações.Um estudo recente analisou 134.870 mortes por câncer de mama no Brasil em mulheres de 20 a 69 anos, de 1996 a 2013. Infelizmente, houve uma tendência temporal de aumento da mortalidade por câncer de mama em mulheres jovens de 20 a 49 anos. mulheres torna-se cada vez mais importante. No entanto, as mulheres jovens têm seios densos, dificultando o diagnóstico do câncer por meio de raios X. Queremos determinar o desempenho dos modelos de IA na detecção e previsão do risco de câncer de mama em mulheres jovens. Isso nos permitiria propor as melhores estratégias para o diagnóstico precoce do câncer nesta faixa etária. (AU)