Diagnóstico do esôfago de Barrett auxiliado por computador utilizando técnicas de aprendizado de máquina

Resumo

O câncer no esôfago é uma doença de difícil detecção nos estágios iniciais, especialmente na presença do esôfago de Barrett. O desenvolvimento de sistemas automáticos de avaliação de tal doença podem ser muito úteis, auxiliando os especialistas na detecção da região cancerígena. Com o forte crescimento das técnicas de aprendizado de máquina e, visando melhorar a eficácia do diagnóstico médico, seu uso caracteriza um cenário forte a ser explorado para o diagnóstico precoce do adenocarcinoma de esôfago. O esôfago de Barrett como antecessor do adenocarcinoma pode ser explicado por alguns fatores de risco, como obesidade, tabagismo e diagnóstico médico tardío. Este projeto, portanto, propõe o desenvolvimento de novas técnicas de visão computacional e aprendizado de máquina para auxiliar o diagnóstico automático do adenocarcinoma esofágico. Esta proposta de pesquisa no exterior relaciona o tempo em que o professor Christoph Palm, co-orientador de tal projeto em desenvolvimento no Brasil, ajudará e supervisionará o seu desenvolvimento. O Professor Palm oferece uma contribuição substancial e muito importante para o trabalho proposto, considerando sua relevante e consistente pesquisa relacionada à avaliação assistida por computador de imagens médicas. Além disso, o grupo de pesquisa no exterior, liderado pelo Professor Palm (ReMIC), também oferece conhecimento relevante a ser compartilhado, uma vez que possui foco na área de processamento de imagens médicas. Serão adquiridas, durante o período no exterior, novas bases de dados endoscópicas para avaliação das características extraídas a mão já estudadas, presenciadas pelo aluno da atual proposta e colocando-o em contato direto com os responsáveis pela anotação manual das imagens endoscópicas. Ainda, o aluno iniciará a avaliação do adenocarcinoma e da diferenciação do esôfago de Barrett usando técnicas de aprendizado em profundidade, auxiliado pelo Professor Palm e pelos membros da equipe do ReMIC. (AU)