Uma das vantagens destes mecanismos passa pela capacidade de “suprimir informação ruidosa ou irrelevante”.
Investigadores do Instituto de Engenharia de Sistemas e Computadores, Tecnologia e Ciência (INESC TEC), no Porto, querem treinar algoritmos para “aperfeiçoar o diagnóstico” de doenças como o cancro, foi hoje revelado.
Em comunicado, o instituto do Porto esclarece que o estudo, publicado na revista Medical Image Analysis, explora a importância de usar os algoritmos para “analisar o contexto do núcleo das células como forma de tornar os diagnósticos mais eficazes”.
O núcleo das células contém informações cruciais que ajudam no diagnóstico de doenças, bem como na previsão da sua progressão e planeamento de tratamentos adequados, especialmente em contextos como o cancro.
A análise destes núcleos já é feita visualmente por patologistas e automaticamente através de algoritmos de processamento de imagens, mas a investigação agora publicada “vem introduzir uma abordagem mais profunda”.
A investigação, desenvolvida pelo investigador João Nunes, do INESC TEC, em colaboração com a investigadora do IMP Diagnostics, Diana Montezuma Felizardo, vem “dar mais um passo na área da aprendizagem automática em áreas de aplicação como a medicina”.
Citada no comunicado, a investigadora Diana Montezuma, salienta que a análise dos núcleos das células “é crucial, pois as alterações da sua forma, tamanho e estrutura podem indicar a presença de doenças, nomeadamente cancro”.
Já João Nunes esclarece que a investigação “aborda os diferentes mecanismos de atenção e contexto para a deteção de núcleos celulares como forma de colmatar as principais dificuldades da tarefa”.
Uma das vantagens destes mecanismos passa pela capacidade de “suprimir informação ruidosa ou irrelevante”.
Segundo os investigadores, a segmentação manual destas imagens é “uma tarefa trabalhosa e demorada”, sendo os algoritmos usados para “reduzir a carga de trabalho dos patologistas e melhorar a extração de características interpretáveis clinicamente”.
“Os algoritmos atuais enfrentam dificuldades em lidar com variabilidades nas características morfológicas e cromáticas dos núcleos”, salienta o instituto, acrescentando que os investigadores aperfeiçoaram os algoritmos para garantir que prestam atenção ao que está ao redor e às características importantes das células.
“A melhoria das técnicas, baseadas em “machine learning”, de deteção e classificação dos núcleos poderá ter, assim, várias implicações clínicas”, afirma a investigadora, salientando que o aspeto e a forma dos núcleos de algumas células tumorais são usados para determinar o grau de alguns tipos de cancro, como o da mama.
“Uma melhor segmentação dos núcleos permitirá caracterizar melhor as células tumorais (e outras células do microambiente tumoral), contribuindo assim para uma maior acuidade diagnóstica e prognóstica dos doentes”, acrescenta.
