{"id":328609,"date":"2021-07-07T01:00:00","date_gmt":"2021-07-06T23:00:00","guid":{"rendered":"https:\/\/medizinonline.com\/novo-estudo-sobre-a-deteccao-de-carcinoma-basocelular-assistido-por-ia\/"},"modified":"2021-07-07T01:00:00","modified_gmt":"2021-07-06T23:00:00","slug":"novo-estudo-sobre-a-deteccao-de-carcinoma-basocelular-assistido-por-ia","status":"publish","type":"post","link":"https:\/\/medizinonline.com\/pt-pt\/novo-estudo-sobre-a-deteccao-de-carcinoma-basocelular-assistido-por-ia\/","title":{"rendered":"Novo estudo sobre a detec\u00e7\u00e3o de carcinoma basocelular assistido por IA"},"content":{"rendered":"

Os sistemas de diagn\u00f3stico que utilizam intelig\u00eancia artificial s\u00e3o capazes de classificar r\u00e1pida e precisamente as les\u00f5es cut\u00e2neas anormais e oferecem um grande potencial para melhorar a precis\u00e3o do diagn\u00f3stico. Isto tamb\u00e9m \u00e9 demonstrado por um novo estudo no qual uma rede neural artificial foi implementada com sucesso para a detec\u00e7\u00e3o de carcinomas basocelulares.<\/strong><\/p>\n

<\/p>\n

A intelig\u00eancia artificial (IA) est\u00e1 a desempenhar um papel cada vez mais importante na medicina de precis\u00e3o e pode ajudar a optimizar a utiliza\u00e7\u00e3o dos recursos [1]. No campo do reconhecimento visual de padr\u00f5es, as aplica\u00e7\u00f5es de IA s\u00e3o muito avan\u00e7adas, o que \u00e9 uma \u00e1rea de aplica\u00e7\u00e3o interessante para a dermatologia e especialmente para o rastreio do cancro da pele. O carcinoma basocelular (BCC, Fig. 1)<\/span> representa cerca de 65% de todos os casos de cancro de pele branca na Europa Central, sendo assim o tumor de pele mais frequente em doentes imunocompetentes [2]. BCC \u00e9 referido na literatura como maligno ou semimaligno. A maioria dos casos s\u00e3o n\u00e3o-metast\u00e1ticos mas localmente infiltrantes e destrutivos tumores de pele. Na Reuni\u00e3o Anual da ADF de 2021, foi apresentado um estudo de prova de conceito que mostra como a Aprendizagem Profunda pode ser utilizada para a an\u00e1lise da imagem m\u00e9dica no rastreio do cancro da pele [3,4]. Foi implementada uma rede neural artificial que, com base em imagens histol\u00f3gicas digitalizadas, gerou uma previs\u00e3o de elevada especificidade e sensibilidade quanto a se as prepara\u00e7\u00f5es de pele continham ou n\u00e3o altera\u00e7\u00f5es cancerosas. Os resultados do estudo foram publicados na revista Modern Pathology 2021<\/em> [4].<\/p>\n

 <\/p>\n

\"\"<\/p>\n

An\u00e1lise de imagem m\u00e9dica usando a aprendizagem profunda<\/h2>\n

A avalia\u00e7\u00e3o histol\u00f3gica das bi\u00f3psias de pele faz parte da rotina di\u00e1ria em dermatologia e \u00e9 uma \u00e1rea de aplica\u00e7\u00e3o bem adequada para a pr\u00e9-triagem automatizada assistida por IA, com o objectivo de identificar altera\u00e7\u00f5es cancerosas e classifica\u00e7\u00e3o r\u00e1pida de tumores. O princ\u00edpio b\u00e1sico das aplica\u00e7\u00f5es de aprendizagem profunda no campo da an\u00e1lise de imagem m\u00e9dica \u00e9 que uma rede neural artificial, que utiliza algoritmos e modelos estat\u00edsticos complexos para seleccionar as combina\u00e7\u00f5es de caracter\u00edsticas com o melhor significado diagn\u00f3stico, \u00e9 treinada com uma grande quantidade de dados de imagem e as classifica\u00e7\u00f5es correctas e melhora continuamente a sua capacidade de distinguir entre as diferentes express\u00f5es de caracter\u00edsticas [5]. Cada “neur\u00f3nio” de uma rede neural representa uma opera\u00e7\u00e3o matem\u00e1tica. Com este m\u00e9todo, os diapositivos digitalizados podem ser examinados quanto a caracter\u00edsticas patol\u00f3gicas atrav\u00e9s da an\u00e1lise automatizada de imagens. No estudo de Kimeswenger et al. [3,4], a rede neural artificial foi treinada para reconhecer tumores usando l\u00e2minas totalmente digitalizadas de prepara\u00e7\u00f5es de tumores BCC (n=820 l\u00e2minas) (vis\u00e3o geral 1) <\/span>. <\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

Elevada precis\u00e3o diagn\u00f3stica e especificidade<\/h2>\n

A rede neural mostrou ser capaz de identificar regi\u00f5es tumorais BCC em imagens de cortes histol\u00f3gicos com alta precis\u00e3o (AUC 0,993, 95% CI: 0,990-0,995; sensibilidade: 0,965, 95% CI: 0,951-0,979; especificidade: 0,910, 95% CI: 0,859-0,960). O c\u00e1lculo autom\u00e1tico de uma matriz ponderada formou a base para a previs\u00e3o de regi\u00f5es relevantes para os tumores das imagens histol\u00f3gicas. Os investigadores tamb\u00e9m descobriram que os algoritmos de aprendizagem da m\u00e1quina se baseavam em padr\u00f5es de identifica\u00e7\u00e3o de tumores significativamente diferentes em compara\u00e7\u00e3o com os especialistas em patologia. Isto foi demonstrado por uma compara\u00e7\u00e3o das “regi\u00f5es de interesse” (ROI) utilizadas pela rede neural, ou seja, as regi\u00f5es de imagem classificadas como relevantes para encontrar tumores, com o ROI dos peritos em patologia, que tinha sido recolhido atrav\u00e9s de rastreio ocular (vis\u00e3o geral 2) <\/span>. <\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

Em resumo, este estudo demonstrou que uma rede neural artificial pode ser eficientemente utilizada para detectar carcinomas celulares basais com base em imagens digitalizadas de prepara\u00e7\u00f5es histol\u00f3gicas em fatias. \u00c9 mais uma confirma\u00e7\u00e3o de que os m\u00e9todos de aprendizagem de m\u00e1quinas t\u00eam o potencial de aumentar a precis\u00e3o diagn\u00f3stica no campo da patologia digital e de descobrir padr\u00f5es de classifica\u00e7\u00e3o anteriormente desconhecidos. Para al\u00e9m do diagn\u00f3stico de les\u00f5es cut\u00e2neas n\u00e3o melanocit\u00e1rias, as aplica\u00e7\u00f5es de IA tamb\u00e9m podem ser usadas para a detec\u00e7\u00e3o de melanomas malignos (caixa)<\/span>.<\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

\nCongresso: Grupo de Trabalho sobre Investiga\u00e7\u00e3o Dermatol\u00f3gica 2021<\/em><\/p>\n

 <\/p>\n

Literatura:<\/p>\n

    \n
  1. Schaaf N: Neural Networks: A Look into the Black Box, 14 de Janeiro de 2020, www.informatik-aktuell.de, (\u00faltimo acesso 14.05.2021)<\/li>\n
  2. Teske S, Beise U: Hauttumoren, \u00daltima actualiza\u00e7\u00e3o: 02\/2021, www.medix.ch (\u00faltimo acesso 14.05.2021).<\/li>\n
  3. Kimeswenger S, et al.: As redes neurais artificiais e patologistas reconhecem carcinomas celulares basais baseados em diferentes padr\u00f5es histol\u00f3gicos. P063, Translational Research ADF Dermatology Awards, Reuni\u00e3o Anual da ADF 6.3.2021<\/li>\n
  4. Kimeswenger S, et al: Mod Pathol 2021; 34 : 895-903.<\/li>\n
  5. Jutzi TB, Brinker TJ: Dtsch Arztebl 2020; 117(24).<\/li>\n
  6. Centro Alem\u00e3o de Investiga\u00e7\u00e3o sobre o Cancro, www.dkfz.de\/de\/digitale-biomarker (acedido pela \u00faltima vez em 14.05.2021)<\/li>\n
  7. Cerci, FB, et al: An Bras Dermatol [online] 2020; 95 (5): 594-601.<\/li>\n<\/ol>\n

     <\/p>\n

    DERMATOLOGIE PRAXIS 2021; 31(3): 32-33 (publicado 1.6.21, antes da impress\u00e3o).<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

    Os sistemas de diagn\u00f3stico que utilizam intelig\u00eancia artificial s\u00e3o capazes de classificar r\u00e1pida e precisamente as les\u00f5es cut\u00e2neas anormais e oferecem um grande potencial para melhorar a precis\u00e3o do diagn\u00f3stico.…<\/p>\n","protected":false},"author":7,"featured_media":108465,"comment_status":"closed","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","cat_1_feature_home_top":false,"cat_2_editor_pick":false,"csco_eyebrow_text":"Diagn\u00f3sticos de cancro da pele ","footnotes":""},"category":[11356,11521,11379,11474,11529,11551],"tags":[14659,20058,20054],"powerkit_post_featured":[],"class_list":["post-328609","post","type-post","status-publish","format-standard","has-post-thumbnail","category-dermatologia-e-venereologia-pt-pt","category-estudos","category-oncologia-pt-pt","category-prevencao-e-cuidados-de-saude","category-relatorios-do-congresso","category-rx-pt","tag-carcinoma-das-celulas-basais","tag-diagnosticos-de-cancro-da-pele","tag-tumor-de-pele","pmpro-has-access"],"acf":[],"publishpress_future_action":{"enabled":false,"date":"2026-04-12 08:47:16","action":"change-status","newStatus":"draft","terms":[],"taxonomy":"category","extraData":[]},"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"wpml_current_locale":"pt_PT","wpml_translations":{"es_ES":{"locale":"es_ES","id":328611,"slug":"nuevo-estudio-sobre-la-deteccion-asistida-por-ia-del-carcinoma-basocelular","post_title":"Nuevo estudio sobre la detecci\u00f3n asistida por IA del carcinoma basocelular","href":"https:\/\/medizinonline.com\/es\/nuevo-estudio-sobre-la-deteccion-asistida-por-ia-del-carcinoma-basocelular\/"}},"_links":{"self":[{"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/posts\/328609","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/comments?post=328609"}],"version-history":[{"count":0,"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/posts\/328609\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/media\/108465"}],"wp:attachment":[{"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/media?parent=328609"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/category?post=328609"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/tags?post=328609"},{"taxonomy":"powerkit_post_featured","embeddable":true,"href":"https:\/\/medizinonline.com\/pt-pt\/wp-json\/wp\/v2\/powerkit_post_featured?post=328609"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}