{"id":1029,"date":"2020-01-13T19:36:01","date_gmt":"2020-01-13T22:36:01","guid":{"rendered":"http:\/\/www.redevoluntariasitatiba.com.br\/cms\/?p=1029"},"modified":"2020-01-14T10:55:23","modified_gmt":"2020-01-14T13:55:23","slug":"tumor-de-pele-inteligencia-artificial","status":"publish","type":"post","link":"https:\/\/www.redevoluntariasitatiba.com.br\/cms\/2020\/01\/13\/tumor-de-pele-inteligencia-artificial\/","title":{"rendered":"Tumor de Pele \/ Intelig\u00eancia Artificial"},"content":{"rendered":"
\n
\n

<\/h1>\n<\/hgroup>\n

Impressionante como esse tema ( Inteligencia Artificial ), vem tomando corpo cada vez mais em nosso cotidiano e \u00e9 um dever de nosso site da Rede de Volunt\u00e1rias de Combate ao C\u00e2ncer de Itatiba,<\/u><\/em><\/strong> informar nossos leitores. Por essa raz\u00e3o encontramos essa mat\u00e9ria hoje ( 13\/01\/20) no Estad\u00e3o e resolvemos divulga-la.<\/p>\n

\n


\nINTELIG\u00caNCIA ARTIFICIAL CONTRA O TUMOR DE PELE<\/strong><\/em><\/span><\/h1>\n<\/hgroup>\n
\n

Projeto de cientistas da Unicamp treina computadores para identificar melanoma; taxa de acerto do algoritmo \u00e9 de 86%, ante 67% na avalia\u00e7\u00e3o de dermatologistas. Ideia \u00e9 usar algoritmo para compreender padr\u00f5es de malignidade n\u00e3o percebidos pelos humanos<\/strong><\/h3>\n<\/hgroup>\n

 <\/p>\n

\n

Benef\u00edcio.<\/span> Detec\u00e7\u00e3o precoce do c\u00e2ncer de pele aumenta chances de cura de 14% para 90%, diz pesquisadora Sandra \u00c1vila<\/strong><\/h3>\n<\/hgroup>\n<\/header>\n
\n

Pesquisa de um grupo de cientistas da Unicamp \u2013 do qual faz parte a professora Sandra \u00c1vila\u00a0 \u2013 mostra que a intelig\u00eancia artificial pode diagnosticar um tumor maligno de pele que at\u00e9 m\u00e9dicos especialistas n\u00e3o conseguem.<\/p>\n

O uso de intelig\u00eancia artificial no diagn\u00f3stico de c\u00e2ncer de pele vem sendo estudado em todo o mundo como um poss\u00edvel auxiliar dos dermatologistas. Agora, uma pesquisa de cientistas brasileiros mostra que a m\u00e1quina pode detectar um tumor maligno at\u00e9 em imagens nas quais a les\u00e3o foi coberta e somente a pele ao redor do tumor foi analisada. Em outras palavras, o computador se mostrou capaz de ver ind\u00edcios de malignidade onde m\u00e9dicos especialistas n\u00e3o conseguem.<\/p>\n

A descoberta, ainda preliminar, faz parte de estudos de um grupo de cientistas da Universidade Estadual de Campinas (Unicamp) que tem utilizado t\u00e9cnicas avan\u00e7adas de machine learning (aprendizado de m\u00e1quina) para treinar computadores a fazer o diagn\u00f3stico de melanoma, tipo mais agressivo e letal de c\u00e2ncer de pele.<\/p>\n

No Brasil, o Instituto Nacional do C\u00e2ncer (Inca) estima 6.260 novos casos de melanoma por ano. Embora represente apenas 3,6% de todos os casos de tumor de pele no Pa\u00eds, o melanoma \u00e9 respons\u00e1vel por 43,5% das mortes por esse tipo de c\u00e2ncer. Foram 1.775 v\u00edtimas da doen\u00e7a em 2018, segundo o Minist\u00e9rio da Sa\u00fade.<\/p>\n

O projeto de pesquisa da Unicamp foi um dos premiados no fim do ano passado na 7\u00aa edi\u00e7\u00e3o do Latin America Research Awards (Lara), bolsa dada pelo Google a projetos acad\u00eamicos da Am\u00e9rica Latina que prop\u00f5em solu\u00e7\u00f5es tecnol\u00f3gicas para problemas do cotidiano (mais informa\u00e7\u00f5es nesta p\u00e1gina). O projeto foi um dos \u00fanicos a ganharem a bolsa pelo segundo ano consecutivo.<\/p>\n

T\u00e9cnica. Por meio de uma t\u00e9cnica sofisticada que utiliza redes neurais artificiais, os cientistas da Unicamp desenvolveram um algoritmo com 86% de \u00edndice de acerto no diagn\u00f3stico do melanoma, ante 67% de precis\u00e3o na avalia\u00e7\u00e3o feita pelos m\u00e9dicos. Mesmo quando a parte central da les\u00e3o foi removida da imagem, a m\u00e1quina ainda acertou 71% dos diagn\u00f3sticos.<\/p>\n

\u201cQueremos investigar agora o que explica esse resultado, quais s\u00e3o os vieses desses algoritmos. Queremos entender se h\u00e1 algo na imagem que n\u00f3s, humanos, n\u00e3o estamos prestando aten\u00e7\u00e3o e que a m\u00e1quina consegue enxergar um padr\u00e3o\u201d, explica Sandra \u00c1vila, professora do Instituto de Computa\u00e7\u00e3o da Unicamp e uma das pesquisadoras do projeto.<\/p>\n

Redes neurais artificiais s\u00e3o modelos computacionais inspirados na estrutura dos neur\u00f4nios de seres inteligentes. Por meio de treinamento, s\u00e3o capazes de aprender, entre outras coisas, a identificar padr\u00f5es. No caso da pesquisa da Unicamp, os cientistas utilizam uma t\u00e9cnica que ensina o computador n\u00e3o s\u00f3 a identificar o c\u00e2ncer de pele, mas tamb\u00e9m a criar imagens que \u201cimitam\u201d fotos reais do melanoma.<\/p>\n

Isso \u00e9 importante porque, para que o algoritmo seja ensinado a identificar padr\u00f5es de malignidade, por exemplo, ele precisa ser treinado com um grande n\u00famero de imagens de diferentes tipos de les\u00f5es para saber quais as caracter\u00edsticas que diferem o melanoma de outros tipos de tumores malignos e benignos. O problema \u00e9 que n\u00e3o existe um grande banco de imagens de melanomas, o que limita o aprendizado da m\u00e1quina.<\/p>\n

\u201cQuando come\u00e7amos a pesquisa, us\u00e1vamos um banco de dados internacional com 2 mil imagens, o que \u00e9 pouco. Ao treinarmos as redes neurais a produzirem imagens sint\u00e9ticas, podemos gerar um n\u00famero infinito de fotos\u201d, explica Sandra.<\/p>\n

Para ela, pesquisas como a do seu grupo podem ajudar em um diagn\u00f3stico mais precoce do melanoma. \u201cSe o c\u00e2ncer de pele \u00e9 detectado precocemente, as chances de cura s\u00e3o de mais de 90%. Se o diagn\u00f3stico demora, cai para 14%\u201d, destaca.<\/p>\n

Cautela. Para Elimar Gomes, coordenador do grupo de Dermatologia do Centro Oncol\u00f3gico da Benefic\u00eancia Portuguesa de S\u00e3o Paulo, t\u00e9cnicas como a intelig\u00eancia artificial no diagn\u00f3stico de melanoma ser\u00e3o um recurso extra e bem-vindo para o m\u00e9dico, mas n\u00e3o ir\u00e3o substituir o trabalho do especialista. \u201cO computador geralmente apresenta as probabilidades em porcentagens, mas algu\u00e9m ter\u00e1 de dar a palavra final e decidir se a les\u00e3o ser\u00e1 removida ou n\u00e3o.\u201d<\/p>\n

Gomes diz ainda que, para o c\u00e2ncer de pele, \u00e9 necess\u00e1rio garantir que os computadores sejam \u201ctreinados\u201d com imagens precisas e de qualidade. \u201c\u00c9 preciso apresentar uma diversidade de imagens de acordo com a diversidade da popula\u00e7\u00e3o. Um diagn\u00f3stico numa popula\u00e7\u00e3o branca pode ser diferente do de uma popula\u00e7\u00e3o negra\u201d, comenta. \u201cA intelig\u00eancia artificial veio para ficar e deve ajudar muito, como em casos nos quais o acesso ao m\u00e9dico \u00e9 mais dif\u00edcil. Mas n\u00e3o deve ser usada isoladamente. Deve ser complementar ao conhecimento adquirido pelo m\u00e9dico ao longo da carreira.\u201d<\/p>\n