Desenvolvimento de um modelo baseado em Machine Learning para rastreamento precoce do câncer bucal
DOI:
https://doi.org/10.48017/dj.v8i3.2532Palabras clave:
Câncer de boca, Inteligência artificial, Machine learningResumen
O carcinoma espinocelular da cavidade bucal (CECCB) é o tipo de câncer de boca mais frequente, representando cerca de 40% das lesões malignas de cabeça e pescoço. Sabe-se que o prognóstico favorável está associado ao diagnóstico precoce, visto que a taxa de sobrevida aumenta em função do diagnóstico nas fases iniciais na doença. Desta forma, o objetivo deste trabalho foi implementar e treinar um modelo de Machine Learning que possa auxiliar no diagnóstico do câncer de boca. Através das tecnologias como inteligência artificial (IA) que podem utilizar imagens em suas análises, busca-se melhorar o prognóstico do câncer de boca por meio da detecção precoce do mesmo. Utilizando o ramo da IA, a Machine Learning e seu subgrupo Deep Learning, torna-se possível por intermédio de Rede Neural Convolucional (RNC) realizar uma triagem de imagens de lesões malignas e pré-malignas, visando identificar a presença ou não do câncer de boca. A estrutura de RNC está baseada na estrutura de MobileNet, que separa as imagens em fragmentos e após treinamento, mostraram a identificação de câncer em 91% das imagens examinadas e de Leucoplasia em 84% das imagens analisadas.
Métricas
Citas
Al-Rawi, N., Sultan, A., Rajai, B., Shuaeeb, H., Alnajjar, M., Alketbi, M., Mohammad, Y., Shetty, S. R., & Mashrah, M. A. (2022). The Effectiveness of Artificial Intelligence in Detection of Oral Cancer: AI AND ORAL CANCER DIAGNOSIS. In International Dental Journal(Vol. 72, pp. 436–447). Elsevier Inc. https://doi.org/10.1016/j.identj.2022.03.001
Aubreville, M., Knipfer, C., Oetter, N., Jaremenko, C., Rodner, E., Denzler, J., Bohr, C., Neumann, H., Stelzle, F., & Maier, A. (2017). Automatic Classification of Cancerous Tissue in Laserendomicroscopy Images of the Oral Cavity using Deep Learning. Scientific Reports, 7(1). https://doi.org/10.1038/s41598-017-12320-8
Erickson, B. J., Korfiatis, P., Akkus, Z., & Kline, T. L. (2017). Machine learning for medical imaging. Radiographics, 37(2), 505-515.
Hurwitz, J., Morris, H., Sidner, C., & Kirsch, D. (2019). Augmented intelligence: the business power of human–machine collaboration. CRC Press.
Ilhan, B., Guneri, P., & Wilder-Smith, P. (2021). The contribution of artificial intelligence to reducing the diagnostic delay in oral cancer. In Oral Oncology (Vol. 116). Elsevier Ltd. https://doi.org/10.1016/j.oraloncology.2021.105254
Ilhan, B., Lin, K., Guneri, P., & Wilder-Smith, P. (2020). Improving Oral Cancer Outcomes with Imaging and Artificial Intelligence. Journal of Dental Research, 99(3), 241–248. https://doi.org/10.1177/0022034520902128
Lin, H., Chen, H., Weng, L., Shao, J., & Lin, J. (2021). Automatic detection of oral cancer in smartphone-based images using deep learning for early diagnosis. Journal of Biomedical Optics, 26(08). https://doi.org/10.1117/1.jbo.26.8.086007
Mahmood, H., Shaban, M., Indave, B. I., Santos-Silva, A. R., Rajpoot, N., & Khurram, S. A. (2020). Use of artificial intelligence in diagnosis of head and neck precancerous and cancerous lesions: A systematic review. In Oral Oncology (Vol. 110). Elsevier Ltd. https://doi.org/10.1016/j.oraloncology.2020.104885
Marcus, R., & Papaemmanouil, O. (2018, June). Deep reinforcement learning for join order enumeration. In Proceedings of the First International Workshop on Exploiting Artificial Intelligence Techniques for Data Management (pp. 1-4).
Ministério da Saúde. (2020). Instituto Nacional de Câncer José Alencar Gomes da Silva. Estimativa 2020-2022: Incidência de Câncer no Brasil. Rio de Janeiro.
Ravi, D., Wong, C., Lo, B., & Yang, G.-Z. (2016). Deep Learning for Human Activity Recognition: A Resource EfficientImplementation on Low-Power Devices. IEEE Engineering in Medicine and Biology Society. https://doi.org/10.1109/BSN.2016.7516235
Scutti, J. A. B., Pineda, M., Jr, E. E., & Ameida, E. R. de. (2016). Carcinoma de células escamosas de cabeça e pescoço (HNSCC): desvendando os mistérios do microambiente tumoral.
Song, B., Sunny, S., Li, S., Gurushanth, K., Mendonca, P., Mukhia, N., Patrick, S., Gurudath, S., Raghavan, S., Tsusennaro, I., Leivon, S. T., Kolur, T., Shetty, V., Bushan, V. R., Ramesh, R., Peterson, T., Pillai, V., Wilder-Smith, P., Sigamani, A., ... Liang, R. (2021). Bayesian deep learning for reliable oral cancer image classification. Biomedical Optics Express, 12(10), 6422. https://doi.org/10.1364/boe.432365
Uthoff, R. D., Song, B., Sunny, S., Patrick, S., Suresh, A., Kolur, T., Keerthi, G., Spires, O., Anbarani, A., Wilder-Smith, P., Kuriakose, M. A., Birur, P., & Liang, R. (2018). Point-of-care, smartphone-based, dual-modality, dual-view, oral cancer screening device with neural network classification for low-resource communities. PLoS ONE, 13(12). https://doi.org/10.1371/journal.pone.0207493
Welikala, R. A., Remagnino, P., Lim, J. H., Chan, C. S., Rajendran, S., Kallarakkal, T. G., Zain, R. B., Jayasinghe, R. D., Rimal, J., Kerr, A. R., Amtha, R., Patil, K., Tilakaratne, W. M., Gibson, J., Cheong, S. C., & Barman, S. A. (2020). Automated Detection and Classification of Oral Lesions Using Deep Learning for Early Detection of Oral Cancer. IEEE Access, 8, 132677–132693. https://doi.org/10.1109/ACCESS.2020.3010180
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Ivisson Alexandre Pereira da Silva, Catarina Rodrigues Rosa de Oliveira, José Marcos dos Santos Oliveira, Carlos Alberto Correia Lessa Filho, Sonia Maria Soares Ferreira
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
O periodico Diversitas Journal expressa que os artigos são de unica responsabilidade dos Autores, conhecedores da legislação Brasileira e internacional. Os artigos são revisados pelos pares e devem ter o cuidado de avisar da possível incidencia de plagiarismo. Contudo o plagio é uma ação incontestavel dos autores. A Diversitas Journal não publicará artigos com indicios de Plagiarismos. Artigos com plagios serão tratados em conformidade com os procedimentos de plagiarismo COPE.
A violação dos direitos autorais constitui crime, previsto no artigo 184, do Código Penal Brasileiro:
“Art. 184 Violar direitos de autor e os que lhe são conexos: Pena – detenção, de 3 (três) meses a 1 (um) ano, ou multa. § 1o Se a violação consistir em reprodução total ou parcial, com intuito de lucro direto ou indireto, por qualquer meio ou processo, de obra intelectual, interpretação, execução ou fonograma, sem autorização expressa do autor, do artista intérprete ou executante, do produtor, conforme o caso, ou de quem os represente: Pena – reclusão, de 2 (dois) a 4 (quatro) anos, e multa.”
.png){kind=logo}
