O sistema proposto apresentou uma exatidão de 77,8% nos quatro diferentes tipos de imagens e de 83,3% na classificação carcinoma/não carcinoma. Para os casos com cancro a sensibilidade do método é de 95,6%.

Com o objetivo de contribuir para o desenvolvimento de ferramentas mais robustas e eficazes de diagnóstico do cancro da mama, o Centro de Investigação em Engenharia Biomédica (C-BER) do INESC TEC desenvolveu um método inovador que foi agora reconhecido e publicado na Plos One, uma revista científica de referência nas áreas da ciência e da medicina.

O cancro da mama é atualmente uma das principais causas de morte devido a doença oncológica a nível mundial. Como tal, o diagnóstico e o tratamento precoces são essenciais para combater a progressão da doença e reduzir a sua taxa de mortalidade.

O diagnóstico inicia-se normalmente pela análise de tecido retirado numa biópsia, examinado através de uma série de imagens pigmentadas com hematoxilina e eosina. A análise destas imagens não é trivial, observando-se que os especialistas frequentemente discordam no diagnóstico final. Assim, a utilização de sistemas computacionais de diagnóstico vem contribuir para a redução de custos e aumento de eficiência de todo o processo.

Para ultrapassar as dificuldades das abordagens convencionais de classificação, que dependem de extração de características desenhadas para um problema específico baseada em conhecimento médico, os métodos de deep learning estão a tornar-se cada vez mais uma alternativa. Os autores propõem um método de classificação de imagens obtidas em biópsias da mama, pigmentadas com hematoxilina e eosina, recorrendo ao uso de Redes Neuronais Convolucionais  (Convolutional Neural Networks – CNNs). Neste caso, as imagens são classificadas em quatro tipos: tecido normal, lesão benigna, carcinoma localizado ou carcinoma invasivo, e em duas classes: carcinoma e não carcinoma. “O sistema proposto apresentou uma exatidão de 77,8% nos quatro diferentes tipos e de 83,3% na classificação carcinoma/não carcinoma. Para os casos com cancro a sensibilidade do método é de 95,6%”, refere Aurélio Campilho, coordenador do C-BER e professor na Faculdade de Engenharia da Universidade do Porto.

Este conhecimento e “saber como fazer” de análise microscópica de imagens de histopatologia de tecido mamário ao nível celular (ao nível de uma décima-milésima parte do milímetro), complementa a investigação há anos desenvolvida no INESC TEC de diagnóstico do cancro da mama usando mamografias, que tem uma escala de observação muito superior, de cerca de uma décima do milímetro.

Este estudo surgiu no âmbito do projeto NanoSTIMA – Macro-to-Nano Human Sensing: Towards Integrated Multimodal Health Monitoring and Analytics/NORTE-01-0145-FEDER-000016, financiado pelo Programa Norte 2020, conforme Portugal 2020, e através do Fundo Europeu de Desenvolvimento Regional.

Além de Aurélio Campilho, os autores deste estudo são: Teresa Araújo e Guilherme Aresta (investigadores do C-BER), Eduardo Castro (investigador do CTM – Centro de Telecomunicações e Multimedia, também do INESC TEC), juntamente com José Rouco (investigador anterior do C-BER), António Polónia, Catarina Eloy e Paulo Aguiar (investigadores do I3S).