Concordância entre inteligência artificial e uropatologista expert na detecção e graduação histológica do câncer de próstata em espécimes de prostatectomia radical (2023)
- Authors:
- Autor USP: MELO, PETRONIO AUGUSTO DE SOUZA - FM
- Unidade: FM
- DOI: 10.11606/T.5.2023.tde-01032024-164110
- Subjects: APRENDIZADO COMPUTACIONAL; INTELIGÊNCIA ARTIFICIAL; NEOPLASIAS PROSTÁTICAS; REDES NEURAIS
- Keywords: Artificial intelligence; Computer-assisted image processing; Deep learning; Machine learning; Neural network computer; Prostatic neoplasms
- Language: Português
- Abstract: OBJETIVOS: Desenvolver um modelo de inteligência artificial (IA) para identificação e graduação histológica do câncer de próstata (CaP) e comparar sua precisão com a avaliação de um uropatologista especializado. MATERIAL E MÉTODOS: 36 lâminas histológicas provenientes de espécimes de prostatectomia radical foram escaneadas, segmentadas, analisadas e anotadas por um uropatologista experiente. As seguintes áreas foram caracterizadas: estroma, glândulas normais, Gleason 3, 4 e 5. Dois métodos foram utilizados para classificar as imagens: um método de classificação categórica que consistia em atribuir um único rótulo a cada imagem analisada e um método de segmentação de instâncias que envolvia o delineamento específico de cada área de interesse em cada imagem, em vez de atribuir um único rótulo a toda a imagem. As arquiteturas utilizadas para o treinamento dos métodos foram a VGGNet, um tipo de rede neural convolucional, e Mask R-CNN (region-based convolutional neural network),respectivamente. Após o treinamento, imagens que não foram utilizadas no treinamento foram avaliadas pelo modelo. O modelo que apresentou melhor performance também foi aplicado para avaliar lâminas de biópsia de próstata que não foram usadas no treinamento. RESULTADOS: O modelo de classificação categórico utilizou em seu treinamento 2.583 imagens, sendo 662 imagens com tecido benigno, 640, 640 e 641 imagens, com câncer de próstata padrão 3, 4 e 5 predominante, respectivamente. Esse modelo apresentou umaacurácia de treinamento de 97,57% e uma acurácia de validação de 95,74%. No entanto, ao utilizar o modelo treinado no conjunto de teste com 100 novas imagens nunca usadas no treinamento, a acurácia obtida foi de 45% na determinação de tecido benigno e maligno, e quando maligno, em definir corretamente sua graduação de Gleason. No método de segmentação por instâncias, foram utilizadas 6.160 imagens e 8.367 anotações realizadas nessas imagens (glândulas normais: 3.982, estroma: 3.049, Gleason 3: 858, Gleason 4: 2.321, Gleason 5: 1.361). O modelo apresentou uma acurácia de treinamento de 95,1% e acurácia de validação de 93,2%. Após o término do treinamento, o modelo foi exposto a imagens nunca vistas, separadas antes do treinamento e não usadas para esse fim. A concordância entre o modelo de aprendizado profundo e a anotação feita pelo patologista na detecção correta de tecido benigno e maligno, incluindo seus padrões, foi de 89%. Por fim, aplicamos o modelo de Mask R-CNN em 292 lâminas de biópsia de próstata. O coeficiente de Dice entre o modelo de IA e o especialista em uropatologia foi de 0,7962. CONCLUSÕES: Algoritmos de aprendizagem profunda tem um alto potencial para uso no diagnóstico e graduação do câncer de próstata. O método de segmentação de instâncias foi superior ao método de classificação categórico
- Imprenta:
- Data da defesa: 10.11.2023
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
MELO, Petronio Augusto de Souza. Concordância entre inteligência artificial e uropatologista expert na detecção e graduação histológica do câncer de próstata em espécimes de prostatectomia radical. 2023. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2023. Disponível em: https://teses.usp.br/teses/disponiveis/5/5153/tde-01032024-164110/. Acesso em: 07 abr. 2026. -
APA
Melo, P. A. de S. (2023). Concordância entre inteligência artificial e uropatologista expert na detecção e graduação histológica do câncer de próstata em espécimes de prostatectomia radical (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/5/5153/tde-01032024-164110/ -
NLM
Melo PA de S. Concordância entre inteligência artificial e uropatologista expert na detecção e graduação histológica do câncer de próstata em espécimes de prostatectomia radical [Internet]. 2023 ;[citado 2026 abr. 07 ] Available from: https://teses.usp.br/teses/disponiveis/5/5153/tde-01032024-164110/ -
Vancouver
Melo PA de S. Concordância entre inteligência artificial e uropatologista expert na detecção e graduação histológica do câncer de próstata em espécimes de prostatectomia radical [Internet]. 2023 ;[citado 2026 abr. 07 ] Available from: https://teses.usp.br/teses/disponiveis/5/5153/tde-01032024-164110/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
