Ginecologia e Obstetrícia
Acesso livre

Abstrato

Nova base de dados de referência de células cervicais digitalizadas e calibradas para rastreio de cancro cervical com base em inteligência artificial

Abid Sarwar, Jyotsna Suri, Vinod Sharma e Mehbob Ali

Objectivo: O principal objectivo deste trabalho de investigação é desenvolver uma nova base de dados de referência de células cervicais digitalizadas e calibradas obtidas a partir de lâminas de exame de Papanicolau, que é feito para rastreio do cancro do colo do útero. Esta base de dados pode servir como uma ferramenta potencial para projetar, desenvolver, treinar, testar e validar vários sistemas baseados em inteligência artificial para o prognóstico do cancro do colo do útero através da caracterização e classificação de imagens de esfregaço de Papanicolau. A base de dados também pode ser utilizada por outros investigadores para análise comparativa das eficiências de trabalho de vários algoritmos de aprendizagem automática e processamento de imagens. A base de dados pode ser obtida enviando um pedido ao autor correspondente. Além de desenvolver uma rica base de dados de aprendizagem automática, também apresentamos uma nova técnica de conjunto híbrido baseada em inteligência artificial para o rastreio eficiente do cancro do colo do útero através de análise automatizada de imagens de esfregaço de Papanicolau.

Metodologia: O diagnóstico correto e atempado do cancro do colo do útero é um dos maiores problemas do mundo médico. Da literatura descobriu-se que diferentes técnicas de reconhecimento de padrões podem ajudá-los a melhorar neste domínio. O esfregaço de Papanicolau (também conhecido como esfregaço de Papanicolau) é um exame microscópico de amostras de células humanas retiradas da parte estreita e inferior do útero, chamada colo do útero. Uma amostra de células após ser corada pelo método de Papanicolau é analisada ao microscópio quanto à presença de quaisquer desenvolvimentos invulgares que indiquem quaisquer desenvolvimentos pré-cancerosos e potencialmente pré-cancerosos. Os achados anormais, se observados, são submetidos a sub-rotinas diagnósticas precisas. O exame das imagens celulares em busca de anomalias no colo do útero fornece base para uma acção imediata e, assim, reduzir a incidência e as mortes por cancro do colo do útero. É a técnica mais popular utilizada para o rastreio do cancro do colo do útero. O exame de Papanicolau, se realizado com programas de rastreio regulares e de seguimento adequado, pode reduzir a mortalidade por cancro do colo do útero até 80%. A contribuição deste artigo é que criámos uma rica base de dados de aprendizagem automática de células cervicais quantitativamente perfiladas e calibradas obtidas a partir de lâminas de teste Papsmear. A base de dados assim criada é constituída por dados de cerca de 200 casos clínicos (8.091 células cervicais), obtidos em múltiplos centros de saúde, de forma a garantir a diversidade dos dados. As lâminas foram processadas num microscópio digital multicabeças e foram obtidas imagens de células cervicais, que passaram por várias sub-rotinas de pré-processamento de dados. Após o pré-processamento, as células foram perfiladas morfologicamente e dimensionadas para obter medições quantitativas separadas de várias características do citoplasma e do núcleo, respetivamente. As células da base de dados foram cuidadosamente classificadas em diferentes classes correspondentes de acordo com o mais recente sistema de classificação 2001-Bethesda, por técnicos. Além disso, também fomos pioneiros na aplicação de um novo sistema de conjunto híbrido a esta base de dados, a fim de avaliar a eficácia da nova base de dados e da nova técnica de conjunto híbrido para rastrear o cancro do colo do útero através da categorização dos dados do exame de Papanicolau. O artigo apresenta também uma análise comparativa de múltiplos algoritmos de classificação baseados em inteligência artificial para o prognóstico do cancro do colo do útero.

Resultados: Para avaliar a eficácia e correção da base de dados digital preparada neste trabalho, os autores implementaram esta base de dados para treinar, testar e validar quinze algoritmos diferentes de aprendizagem automática baseados em inteligência artificial. Todos os algoritmos treinados com esta base de dados apresentaram uma eficiência louvável no rastreio do cancro do colo do útero. Para problemas de duas classes, todos os algoritmos treinados com a base de dados digital apresentaram eficiências na gama de cerca de 93-95%, enquanto que no caso dos algoritmos de problemas multiclasse expressaram eficiências na gama de cerca de 69-78%. Os resultados indicam que a nova base de dados digital preparada neste trabalho pode ser utilizada de forma eficiente para o desenvolvimento de novas técnicas baseadas em machine learning para o rastreio automatizado do cancro cervical. Os resultados indicam ainda que a técnica de conjunto híbrido é um método eficiente para a classificação de imagens de Papanicolau e, por isso, pode ser efetivamente utilizada para o diagnóstico de cancro do colo do útero. Entre todos os algoritmos implementados, a abordagem de conjunto híbrido superou e expressou uma eficiência de cerca de 98% para problemas de 2 classes e de cerca de 86% para problemas de 7 classes. Os resultados quando comparados com todos os classificadores independentes foram significativamente melhores para problemas de duas classes e multiclasses.