Um Modelo de Inteligência Artificial Para Detecção de Melanoma via Redes Neurais Convolucionais
Resumo
Neste artigo é proposto um modelo de inteligência artificial (IA) baseado em redes neurais convolucionais (RNC) para classificação de melanomas e nevos displásicos em imagens dermatoscópicas. Com um alto risco de provocar metástase, o melanoma figura como o mais grave tipo de neoplasia cutânea. No entanto, sua detecção precoce eleva consideravelmente a probabilidade de um prognóstico favorável, sendo essa a premissa que motiva este estudo. Com um desempenho satisfatório em termos de sensibilidade (0,81 ± 0.02) e especificidade (0,96 ± 0.03), concluímos que o modelo de RNC proposto pode ser uma ferramenta valiosa no apoio ao diagnóstico clínico de melanoma.
Referências
Brinker, T. J., Hekler, A., Enk, A. H., Klode, J., Hauschild, A., Berking, C., … e Schrüfer, P. (2019). Deep learning outperformed 136 of 157 dermatologists in a head-to-head dermoscopic melanoma image classification task. In European Journal of Cancer, 113, pages 47-54.
Haenssle, H. A., Fink, C., Schneiderbauer, R., Toberer, F., Buhl, T., Blum, A., ... e Zalaudek, I. (2018). Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists. In Annals of oncology, 29(8), pages 1836-1842.
Instituto Nacional do Câncer (2021). Tipos de Câncer: Melanoma. In Instituto Nacional do Câncer (Brasil). Disponível em: <https://www.inca.gov.br/tipos-de-cancer/cancerde-pele-melanoma>. Acesso em: 27 de maio de 2021.
Jordan, M. I., & Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. In Science, 349, pages 255-260.
Murdoch, T. B. e Detsky, A. S. (2013). The inevitable application of big data to health care. In Jama, 309, pages 1351-1352.
Szegedy, C., Ioffe, S., Vanhoucke, V., & Alemi, A. (2017, February). Inception-v4, inception-resnet and the impact of residual connections on learning. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 31, No. 1).
Haenssle, H. A., Fink, C., Schneiderbauer, R., Toberer, F., Buhl, T., Blum, A., ... e Zalaudek, I. (2018). Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists. In Annals of oncology, 29(8), pages 1836-1842.
Instituto Nacional do Câncer (2021). Tipos de Câncer: Melanoma. In Instituto Nacional do Câncer (Brasil). Disponível em: <https://www.inca.gov.br/tipos-de-cancer/cancerde-pele-melanoma>. Acesso em: 27 de maio de 2021.
Jordan, M. I., & Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. In Science, 349, pages 255-260.
Murdoch, T. B. e Detsky, A. S. (2013). The inevitable application of big data to health care. In Jama, 309, pages 1351-1352.
Szegedy, C., Ioffe, S., Vanhoucke, V., & Alemi, A. (2017, February). Inception-v4, inception-resnet and the impact of residual connections on learning. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 31, No. 1).
Publicado
26/08/2021
Como Citar
PESSANHA, Gabriel R. G.; CAMPOS, Eleanderson.
Um Modelo de Inteligência Artificial Para Detecção de Melanoma via Redes Neurais Convolucionais. In: ESCOLA REGIONAL DE COMPUTAÇÃO APLICADA À SAÚDE (ERCAS), 8. , 2021, São Paulo.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 46-49.
DOI: https://doi.org/10.5753/ercas.2021.17436.
