Classificação do grau histológico de malignidade em câncer de mama utilizando programas de análise automatizada de imagens e aprendizado de máquina

Boasquevisque, Paulo César Ribeiro

Please use this identifier to cite or link to this item: https://repositorio.uvv.br//handle/123456789/543

Full metadata record

DC Field	Value	Language
dc.contributor	Lenz, Dominik	-
dc.contributor.author	Boasquevisque, Paulo César Ribeiro	-
dc.date.accessioned	2020-11-05T17:56:50Z	-
dc.date.available	2020-11-05T17:56:50Z	-
dc.date.issued	2020-04-07	-
dc.identifier.uri	https://repositorio.uvv.br//handle/123456789/543	-
dc.description.abstract	O câncer de mama é o tipo de câncer mais comum entre as mulheres correspondendo a 24,2% de todos os cânceres em estatísticas mundiais e a 29,7% no Brasil; é a principal causa de óbitos por câncer em mulheres brasileiras. A Inteligência Artificial tem sido cada vez mais utilizada como ferramenta de apoio no diagnóstico das doenças em geral; diversos algoritmos e protocolos tem sido propostos para o câncer de mama utilizando-se da ferramenta “machine learning”, que permite a análise automatizada de dados e imagens com diagnósticos e prognósticos seguros e confiáveis. A determinação do grau histológico do câncer de mama constitui um dos principais sistemas de graduação da malignidade do câncer de mama. O objetivo do estudo foi determinar o grau histológico de malignidade do câncer de mama de forma automatizada, baseado na associação de parâmetros histopatológicos convertidos em parâmetros quantitativos, utilizando-se do princípio de “machine learning” com os programas computacionais de livre acesso CellProfiler e Tanagra. O estudo foi composto por 224 mulheres portadoras de câncer de mama em seus tipos histológicos mas comuns, das quais foram obtidas 20 fotografias digitais no campo de grande aumento (40 X) de lâminas histológicas do tecido neoplásico obtido por cirurgia, sendo as imagens transferidas para o software CellProfiler e tratadas conforme algoritmo pré-determinado resultando em base de dados exportadas para o software Tanagra onde se procedeu a classificação automatizada do grau histológico de malignidade desses cânceres de mama que foi comparada com a classificação realizada por médico patologista. O índice Kappa de concordância entre os analisadores médico patologista e a análise automatizada realizada pelo software Tanagra foi de 0,91 para o score tubular, de 0,55 para o score nuclear e de 0,49 para o score índice mitótico. Para a classificação automatizada do grau histológico de malignidade o índice Kappa de concordância entre os analisadores foi de 0,55 correlacionando-se diretamente com a frequência de apresentação dos grupos de cada graduação na amostra analisada. O estudo representa uma das primeiras pesquisas utilizando softwares de livre acesso para diagnóstico do grau histológico de malignidade em câncer de mama e demonstrou ser factível e reprodutível a análise automatizada de parâmetros histopatológicos para esse diagnóstico, sendo a formação de uma ampla base de dados o fator determinante para adequada acurácia do método.	pt_BR
dc.language.iso	pt_BR	pt_BR
dc.subject	inteligência artificial	pt_BR
dc.subject	carcinoma	pt_BR
dc.subject	parâmetros histopatológicos	pt_BR
dc.subject	cellprofiler	pt_BR
dc.subject	tanagra	pt_BR
dc.subject.vocabulary	CNPQ::CIENCIAS DA SAUDE::FARMACIA	pt_BR
dc.subject.vocabulary	CNPQ::CIENCIAS BIOLOGICAS::BIOQUIMICA	pt_BR
dc.title	Classificação do grau histológico de malignidade em câncer de mama utilizando programas de análise automatizada de imagens e aprendizado de máquina	pt_BR
dc.type	Thesis	pt_BR
dc.publisher.country	brasil	pt_BR
dc.description.resumo	Breast cancer is the most common type of cancer among women, accounting for 24.2% of all cancers in world statistics and 29.7% in Brazil; is the leading cause of cancer deaths in Brazilian women. Artificial Intelligence has been increasingly used as a support tool in the diagnosis of diseases in general; several algorithms and protocols have been proposed for breast cancer, using the machine learning tool, which allows an automated analysis of data and images with diagnosis and prognosis of insurance and tests. The determination of the historical degree of breast cancer represents one of the main breast cancer graduation systems. The objective of the study was to determine the histological degree of malignancy of breast cancer in an automated way, based on the association of histopathological tests converted into quantitative values, using the principle of machine learning with the free access computer programs CellProfiler and Tanagra. The study consisted of 224 women with breast cancer in its most common types, of which 20 were photographed with 20 digital photographs (40 X) of histological slides of neoplastic tissue used by surgery, such as images transferred to CellProfiler software and treatments according to a predetermined algorithm, resulting in the database exported to the Tanagra software, where an automated classification of the histological degree of malignancy of these breast cancers was carried out, which was compared with a classification carried out by a pathologist. The Kappa index of agreement between the medical pathologist and an automated analysis performed by the Tanagra software was 0.91 for the tubular score, 0.55 for the nuclear score and 0.49 for the mitotic score. For an automated classification of histological grade of malignancy or Kappa index of agreement between the analyzers, it was 0.55 directly correlated with the frequency of presentation of the study groups of each class in the analyzed analysis. The study represents one of the first researches that use free access software for the diagnosis of histological grade of malignancy in breast cancer and demonstrates that an automated analysis of histopathological analyzes for this diagnosis is feasible and reproducible, being the formation of a wide database or determining factor for adequate method accuracy.	pt_BR
Appears in Collections:	Tese de Doutorado

Files in This Item:

File	Description	Size	Format
TESE FINAL DE PAULO CÉSAR RIBEIRO BOASQUEVISQUE.pdf		5.87 MB	Adobe PDF	View/Open

Show simple item record

COLLAB UVV