Cookies
O website necessita de alguns cookies e outros recursos semelhantes para funcionar. Caso o permita, o INESC TEC irá utilizar cookies para recolher dados sobre as suas visitas, contribuindo, assim, para estatísticas agregadas que permitem melhorar o nosso serviço. Ver mais
Aceitar Rejeitar
  • Menu
Artigo

Inovação na classificação do diagnóstico do cancro da mama publicada pelo INESC TEC

O cancro da mama é atualmente uma das principais causas de morte devido a doença oncológica a nível mundial. Como tal, o diagnóstico e o tratamento precoces são essenciais para combater a progressão da doença e reduzir a sua taxa de mortalidade.

18 junho 2017

Com o objetivo de contribuir para o desenvolvimento de ferramentas mais robustas e eficazes de diagnóstico do cancro da mama, o Centro de Investigação em Engenharia Biomédica (C-BER) do INESC TEC desenvolveu um método inovador que foi agora reconhecido e publicado na Plos One, uma revista científica de referência nas áreas da ciência e da medicina.

O diagnóstico inicia-se normalmente pela análise de tecido retirado numa biópsia, examinado através de uma série de imagens pigmentadas com hematoxilina e eosina. A análise destas imagens não é trivial, observando-se que os especialistas frequentemente discordam no diagnóstico final. Assim, a utilização de sistemas computacionais de diagnóstico vem contribuir para a redução de custos e aumento de eficiência de todo o processo.

Para ultrapassar as dificuldades das abordagens convencionais de classificação, que dependem de extração de características desenhadas para um problema específico baseada em conhecimento médico, os métodos de deep learning estão a tornar-se cada vez mais uma alternativa.

Os autores propõem um método de classificação de imagens obtidas em biópsias da mama, pigmentadas com hematoxilina e eosina, recorrendo ao uso de Redes Neuronais Convolucionais  (Convolutional Neural Networks – CNNs).

Neste caso, as imagens são classificadas em quatro tipos: tecido normal, lesão benigna, carcinoma localizado ou carcinoma invasivo, e em duas classes: carcinoma e não carcinoma. O sistema proposto apresentou uma exatidão de 77,8% nos quatro diferentes tipos e de 83,3% na classificação carcinoma/não carcinoma. Para os casos com cancro a sensibilidade do método é de 95,6%.

Este estudo surgiu no âmbito do projeto NanoSTIMA - Macro-to-Nano Human Sensing: Towards Integrated Multimodal Health Monitoring and Analytics/NORTE-01-0145-FEDER-000016, financiado pelo Programa Norte 2020, conforme Portugal 2020, e através do Fundo Europeu de Desenvolvimento Regional.

Aurélio Campilho (coordenador do C-BER), Teresa Araújo e Guilherme Aresta (investigadores do C-BER), Eduardo Castro (investigador do CTM - Centro de Telecomunicações e Multimedia, também do INESC TEC), juntamente com José Rouco (investigador anterior do C-BER), António Polónia, Catarina Eloy e Paulo Aguiar (investigadores do I3S), foram os autores deste estudo.

 Os investigadores do INESC TEC mencionados nesta notícia têm vínculo ao INESC TEC e à UP-FEUP.