Avaliando a importância da completude dos dados clínicos em um caso real de diagnóstico de mamas

• Márcio Juchneski UFF
• Eudoxia Lottie Silva Moura UFF / IFRO
• Roger Resmini UFR
• Aura Conci UFF

DOI: https://doi.org/10.5753/sbcas.2024.2178

Resumo

Este trabalho concentra-se na verificação da importância da completude dos metadados em sistemas de auxílio ao diagnóstico de mamas. Objetiva-se investigar a possibilidade de utilizar abordagens já conhecidas para tratar dados faltantes e verificar sua influência na classificação dos exames. Para se ter um exemplo em um caso real é utilizado o Dataset for Mastologic Research (DMR), desenvolvido e disponibilizado no IC/UFF. Esse conjunto além dos dados clínicos imagens térmicas da mama, mamografias e diagnósticos. Após uma revisão bibliográfica de possíveis técnicas a Hot Deck se mostrou a mais adequada para uma comparação com a simples exclusão dos atributos com muitos dados faltantes na classificação dos casos com diagnóstico comprovado. No entanto, seu uso na classificação entre pacientes normais ou com algum problema nas mamas, com todo o dataset fez com que o resultado final tivesse 94% de acerto na Área Sob a Curva Receiver Operating Characteristic (AUC) versus 92% nos casos em que os seis atributos com maior quantidade de dados faltantes fossem simplesmente desconsiderados.

Referências

Instituto Nacional de Câncer INCA (2023) “Estatísticas de câncer”, Disponível em [link].

Arnold M., Morgan E., Rumgay H., Mafra A., Singh D., Laversanne M., Vignat J., Gralow J.R., Cardoso F., Siesling S., Soerjomataram I., (2022). "Current and future burden of breast cancer: Global statistics for 2020 and 2040", The Breast. DOI: 10.1016/j.breast.2022.08.010.

Donoho, D. "50 Years of Data Science." Journal of Computational and Graphical Statistics, vol. 26, no. 4, 2017, pp. 745-766. DOI: 10.1080/10618600.2017.1384734.

Pérez, A., Dennis, R.J., Gil, J.F.A., Rondón, M.A., and López, A. "Use of the mean, hot deck and multiple imputation techniques to predict outcome in intensive care unit patients in Colombia." Statist. Med., vol. 21, 2002, pp. 3885-389 DOI: 10.1002/sim.1391.

Barzi, F., Woodward, M. "Imputations of Missing Values in Practice: Results from Imputations of Serum Cholesterol in 28 Cohort Studies." American Journal of Epidemiology, vol. 160, no. 1, 2004, pp. 34-45. DOI: 10.1093/aje/kwh175.

Tang, L., Song, J., Belin, T.R., and Unützer, J. "A comparison of imputation methods in a longitudinal randomized clinical trial." Statist. Med., vol. 24, 2005, pp. 2111-2128. DOI: 10.1002/sim.2099.

Periyasamy, S., Prakasarao, A., Menaka, M., Venkatraman, B., Jayashree, M. (2021). Thermal Grading Scale for Classification of Breast Thermograms. IEEE Sensors Journal, 21(13), 13996–14002. DOI: 10.1109/JSEN.2020.3045455.

Pérez-Martín, J. e Sánchez-Cauce, R., “Quality analysis of a breast thermal images database”, Health Informatics Journal, 2023, DOI: 10.1177/14604582231153779 [link].

Silva, L. F., et al. "A new database for breast research with infrared images." Journal of Medical Imaging and Health Informatics 4.1 (2014): 92-100.

Lee, C. H., Dershaw, D. D., Kopans, D., Evans, P., Monsees, B., Monticciolo, D., Burhenne, L. W. (2010). Breast cancer screening with imaging: recommendations from the Society of Breast Imaging and the ACR on the use of mammography, breast MRI, breast ultrasound, and other technologies for the detection of clinically occult breast cancer. Journal of the American College of Radiology, 7(1), 1827.

Neal, C. H., Flynt, K. A., Jeffries, D. O., Helvie, M. A. (2018). Breast Imaging Outcomes following Abnormal Thermography. Academic Radiology, 25(3), 273–278. DOI: 10.1016/j.acra.2017.10.015.

Heena, H., Durrani, S., Riaz, M., Al Fayyad, I., Tabasim, R., Parvez, G., & AbuShaheen, A. (2019). Knowledge, attitudes, and practices related to breast cancer screening among female health care professionals: a cross sectional study. BMC women's health, 19, 1-112019.

Ragavendra, U., Gudigar, A., Rao, T. N., Ciaccio, E. J., Ng, E. Y. K., & Rajendra Acharya, U. (2019). Computer-aided diagnosis for the identification of breast cancer using thermogram images: A comprehensive review. Infrared Physics & Technology, 102, 103041. DOI: 10.1016/j.infrared.2019.103041.

Andridge, R. R, Little R. J. "A Review of Hot Deck Imputation for Survey Nonresponse." Int Stat Rev, vol. 78, no. 1, 2010, pp. 40-64. DOI: 10.1111/j.17515823.2010.00103.x.

Resmini, R. et al. Combining genetic algorithms and SVM for breast cancer diagnosis using infrared thermography. Sensors, v. 21, n. 14, p. 4802, 2021.