Redes neurais convolucionais e aprendizado por múltiplas instâncias para classificação de câncer de mama

Abstract

Estudos realizados pelo Instituto Nacional do Câncer apontam que, durante o triênio entre 2023 e 2025, cerca de 704 mil novos casos de câncer surgirão no Brasil, sendo o câncer de mama o mais comum entre as mulheres. Detectar o câncer de mama em estágios iniciais, e principalmente, determinar seus status de receptores hormonais (Estrogênio e/ou Progesterona) é um ponto chave para definir o melhor tratamento. O método atual para determinar o status de receptores hormonais em pacientes com câncer é por meio do exame Imuno-Histoquímico, um exame complexo que exige a análise profunda de um patologista. O propósito deste trabalho é apresentar um modelo de Rede Neural Convolucional Profunda capaz de determinar, a partir de exames de imagem, o Status de Receptores de Estrogênio em pacientes com câncer de mama, oferecendo uma alternativa mais ágil quando comparada ao método convencional de classificação de câncer de mama, auxiliando na análise realizada por patologistas e facilitando o processo de diagnóstico. A ferramenta desenvolvida foi treinada utilizando dados clínicos de 1093 pacientes e 1888 exames de imagem, obtendo uma AUC de 0.82.