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

• Processo: 23/04195-2
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de maio de 2023
• Data de Término da vigência: 31 de julho de 2023
• Área de conhecimento: Ciências da Saúde - Medicina
• Pesquisador responsável: Viviane Teixeira Loiola de Alencar
• Beneficiário: Luiz Edmundo Lopes Mizutani
• CNAE: Atividades de serviços de complementação diagnóstica e terapêutica
• Vinculado ao auxílio: 21/14596-9 - OncoData: uso de inteligência artificial e machine learning para diagnóstico anatomopatológico de câncer, AP.PIPE
• Assunto(s): Neoplasias pulmonares Aprendizagem profunda Inteligência artificial Aprendizado computacional Patologia
• Palavra(s)-Chave do Pesquisador: Câncer de Pulmão | Deep Learning | Inteligência Artificial | machine learning | patologia | Oncologia clínica

Resumo

A patologia é essencial para o diagnóstico e correto tratamento do câncer. Ela consiste em uma avaliação subjetiva feita porum médico patologista, baseada em padrões previamente descritos, e sua acurácia está diretamente relacionada, entre outrosfatores, à experiência do avaliador, o que pode gerar discrepâncias em relação ao diagnóstico final. Há dados em literatura ede empresas internacionais sobre uso de visão computacional para o diagnóstico anatomopatológico de câncer. O câncer depulmão é a segunda neoplasia mais frequente no mundo e, ainda hoje, a mais letal. O desenvolvimento de novos tratamentostêm aumentado substancialmente a sobrevida desses pacientes, principalmente com o advento da imunoterapia e dasterapias-alvo. Essa neoplasia pode ser subdividida em 2 tipos histológicos principais, cada qual com uma proposta terapêuticadistinta: carcinoma de células não pequenas (mais frequente, cerca de 85% dos casos), subdividido em adenocarcinoma(LUAD), carcinoma de células escamosas (LUSC) e de grandes células (raro), e carcinoma de pequenas células(corresponde a aproximadamente 15%). A nossa pesquisa visa à correta diferenciação de biópsias pulmonares entre os doisprincipais subtipos de câncer de pulmão por inteligência artificial, baseado em patologia digital e técnica de Whole SlideImaging. Essa tecnologia visa a ajudar o patologista no momento de priorização de análises de casos mais urgentes debiópsias pulmonares, sugestivas de câncer e apresenta grande potencial para geração de impacto positivo na saúde, tantopública quanto privada, do nosso país.Durante os 3 meses iniciais do projeto, tivemos grandes avanços em relação à nossa prova de conceito proposta. Até omomento, desenvolvemos dois algoritmos de Machine Learning: Um para classificação de imagens de slides inteiros dentreos subtipos histológicos de câncer de pulmão (Adenocarcinoma e carcinoma de células escamosas), no qual estamostestando diferentes abordagens, com foco em melhorar a acurácia encontrada; e um algoritmo para elaboração de um mapade calor (heatmap) que objetiva gerar uma explicação do modelo desenvolvido - o mapa de calor destaca, na imagem deslide inteiro, as áreas identificadas pelo primeiro algoritmo como mais sugestivas do subtipo tumoral e utilizadas paraclassificação. Estamos desenvolvendo, ainda, uma interface para a telepatologia, em que os algoritmos possam ser aplicados.O bolsista do referido plano do trabalho atuará no desenvolvimento do mapa de calor e sua complexa interação com a interface para patologia digital, que conta com um "microscópio digital"para visualização de imagens extensas.