Uso de machine learning en el diagnóstico de cáncer de mama a través de ultrasonografía
DOI:
https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1289Palabras clave:
Ultrasonografía Mamaria, Aprendizaje Automático, Cáncer de MamaResumen
Objetivo: Aplicar técnicas de machine learning para evaluar la eficiencia y precisión en el diagnóstico de cáncer de mama mediante imágenes de ultrasonido. Métodos: Utilizando la herramienta Orange Data Mining, se procesaron imágenes de un banco de datos obtenido en la plataforma Kaggle que contenía ultrasonidos de mamas con nódulos benignos y malignos. Resultados: El análisis de las imágenes en las pruebas se realizó mediante técnicas de machine learning, Neural Network y KNN, que demostraron altas tasas de precisión en la clasificación de nódulos benignos y malignos con resultados por encima del 90% de precisión. Conclusión: La investigación subraya la importancia de las herramientas de machine learning para crear modelos predictivos robustos y precisos, mejorando significativamente la precisión del diagnóstico clínico y aumentando las posibilidades de recuperación de los pacientes.
Citas
Oracle Brasil. O que é Machine learning? [202-].Available from: https://www.oracle.com/br/artificial-intelligence/machine-learning/what-is-machine- learning/. Accessed 2024 Feb 17.
IBM. O que é machine learning? [202-]. Available from: https://www.ibm.com/br- pt/topics/machine-learning. Accessed 2024 Feb 18.
Silva ME, et al. Proposta e avaliação de um modelo híbrido de seleção de características para o prognóstico do câncer de mama. 2022.
O que é câncer? [Internet]. Instituto Nacional de Câncer - INCA. [citado 18 de janeiro de 2024]. Disponível em: https://www.gov.br/inca/pt-br/assuntos/cancer/o-que-e- cancer
Ministério da Saúde. Câncer de mama. [202-]. Available from: https://www.gov.br/saude/pt-br/assuntos/saude-de-a-a-z/c/cancer-de-mama. Accessed 2024 Jan 18.
Ferreira CSC. Uso de inteligência artificial em deep learning na segmentação da mama em imagens de ressonância magnética como ferramenta para o diagnóstico de câncer de mama: uma revisão sistemática. 2023.
Instituto Nacional de Câncer. Outubro Rosa 2023. (2023). Available from: https://www.gov.br/inca/pt-br/assuntos/campanhas/2023/outubro-rosa. Accessed 2024 Feb 19.
McKinney SM, et al. International evaluation of an AI system for breast cancer screening. Nature. 2020;577(7788):89-94. DOI: https://doi.org/10.1038/s41586-019-1799-6
Dembrower K, et al. Effect of artificial intelligence-based triaging of breast cancer screening mammograms on cancer detection and radiologist workload: a retrospective simulation study. The Lancet Digital Health. 2020;2(9) DOI: https://doi.org/10.1016/S2589-7500(20)30185-0
Campos KFA. Importância da mamografia no rastreio do câncer de mama: uma revisão de literatura. 2023.
Aguiar YM, et al. Desenvolvimento e aplicação de metodologia de aprendizagem de máquina para classificação de imagens termográficas na área médica. 2021. Dissertação de Mestrado. Universidade Federal de Pernambuco.
Calas MJG, et al. Estudo preliminar das limitações técnicas da ultrassonografia automatizada da mama: do procedimento ao diagnóstico. Radiologia Brasileira. 2020;53:293-300. DOI: https://doi.org/10.1590/0100-3984.2019.0079
Vieira WL, et al. A importância da Ultrassonografia no Câncer de Mama. Março de 2018 24ª EDIÇÃO, p. 41, 2018.
Braga AV, et al. Machine learning: O Uso da Inteligência Artificial na Medicina. Brazilian Journal of Development. 2019;5(9):16407-13. DOI: https://doi.org/10.34117/bjdv5n9-190
Sairam VA. Ultrasound Breast Images for Breast Cancer. (2024). Available from: https://www.kaggle.com/datasets/vuppalaadithyasairam/ultrasound-breast-images- for-breast-cancer/data. Accessed 2024 Jan 14.
Hochman B, Nahas FX, Oliveira Filho RS, Ferreira LM. Desenhos de pesquisa. Acta Cir Bras. 2005;20(suppl 2):2-9. doi: 10.1590/S0102-86502005000800002. DOI: https://doi.org/10.1590/S0102-86502005000800002
De Rezende MR, Maimone TS. Uso de inteligência artificial para identificação de fatores influenciadores do câncer de mama a partir de dados clínicos. 2022.
Diniz JOB, Dias DA Jr, Cruz LB da, Marques RCS, Gomes DL Jr, Cortês OAC, et al. EfficientEnsemble: Diagnóstico de câncer de mama em imagens de ultrassom utilizando processamento de imagens e Ensemble de EfficientNets. Em: Anais do XXIV Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2024). Sociedade Brasileira de Computação - SBC; 2024. p. 202–13. DOI: https://doi.org/10.5753/sbcas.2024.2155
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
La sumisión de un artículo a el Journal of Health Informatics es entendida como exclusiva y que no esta siendo considerado para publicación en otro periódico. La permisión de los autores para la publicación de su artículo en lo JHI implica en la exclusiva autorización concedida a los editores para su inclusión en la revista. Al someter un artículo, a lo autor será solicitada la permisión electrónica de una Nota de Copyright. Una mensaje electrónica será enviada a lo autor correspondiente confirmando el recibo del manuscrito y lo aceite de la Nota de Copyright.
