Aprendizado de máquina para apoio à detecção precoce de câncer de boca a partir de imagens clínicas
Visualizar/abrir
Data
2025Orientador
Nível acadêmico
Graduação
Outro título
Machine learning to support the early detection of oral cancer from clinical images
Assunto
Resumo
O câncer de boca é uma neoplasia maligna que acomete a cavidade bucal, apresentando altas taxas de mortalidade e baixos índices de sobrevida em 5 anos. Adicionalmente, as desordens potencialmente malignas de boca (DPMB) podem evidenciar as primeiras condições clínicas do processo de carcinogênese; sua identificação e manejo precoces podem contribuir para a redução desses índices. O atraso médio no diagnóstico de câncer bucal é de três meses, sendo que a variabilidade clínica da lesão é um dos f ...
O câncer de boca é uma neoplasia maligna que acomete a cavidade bucal, apresentando altas taxas de mortalidade e baixos índices de sobrevida em 5 anos. Adicionalmente, as desordens potencialmente malignas de boca (DPMB) podem evidenciar as primeiras condições clínicas do processo de carcinogênese; sua identificação e manejo precoces podem contribuir para a redução desses índices. O atraso médio no diagnóstico de câncer bucal é de três meses, sendo que a variabilidade clínica da lesão é um dos fatores mais relevantes. Uma possibilidade, neste contexto, é o uso da inteligência artificial para auxílio no diagnóstico de lesões bucais a partir de fotografias clínicas. Este trabalho corresponde ao resultado de três anos de pesquisa focados no desenvolvimento de um aplicativo que contribua com esse processo de diagnóstico clínico de lesões bucais malignas ou potencialmente malignas, realizado pela discente durante o seu processo de iniciação científica, associada ao Laboratório de Patologia Bucal da Faculdade de Odontologia da Universidade Federal do Rio Grande do Sul (UFRGS). Portanto, o objetivo deste estudo é desenvolver um aplicativo baseado em aprendizado de máquina, destinado a dispositivos móveis e computadores de mesa, com habilidade de, a partir de fotografias da cavidade bucal de pacientes, identificar e destacar anomalias associadas a lesões malignas bucais e/ou DPMB, auxiliando, assim, na tomada de decisão clínica de cirurgiões-dentistas e demais profissionais da área da saúde. Como objetivos específicos, destacam-se: definir, a partir do aplicativo, se a lesão fotografada é uma DPMB (leucoplasia, eritroplasia, queilite actínica, líquen plano bucal ou outra) ou neoplasia maligna (carcinoma espinocelular bucal ou outra); diferenciar, através do aplicativo, mucosa sem alteração de mucosa com alteração (lesão). Para isso, foi criado um sistema baseado em redes neurais convolucionais (CNN). Foram utilizadas 1.052 imagens clínicas de neoplasias malignas e DPMB no estudo, sendo 915 destinadas ao treinamento do sistema, por meio de mascaramento manual, e 137 à etapa de validação. Após, foi possível implantar um aplicativo funcional para computadores de mesa e dispositivos móveis (nos sistemas Android e iOS), com capacidade de identificar lesões clínicas com acurácia superior a 85% em comparação ao diagnóstico histopatológico, especialmente em casos de carcinoma espinocelular bucal e leucoplasias. A heterogeneidade do banco de dados utilizado representou um fator determinante para conferir robustez ao algoritmo e capacidade de generalização. Dessa forma, o sistema em estudo configura-se como uma alternativa viável e economicamente acessível para auxiliar na detecção de lesões suspeitas na prática clínica de cirurgiões-dentistas. Contudo, ele necessita de aprimoramento por meio da realização de pesquisas subsequentes com a inclusão de novas categorias de lesões (neoplásicas benignas, proliferativas e planas). ...
Abstract
Oral cancer is a malignant neoplasm that affects the oral cavity, presenting high mortality rates and low 5-year survival rates. Additionally, oral potentially malignant disorders (OPMD) may represent the first clinical conditions of the carcinogenesis process; their early identification and management may contribute to reducing these rates. The average delay in the diagnosis of oral cancer is three months, with the clinical variability of the lesion being one of the most relevant factors. One ...
Oral cancer is a malignant neoplasm that affects the oral cavity, presenting high mortality rates and low 5-year survival rates. Additionally, oral potentially malignant disorders (OPMD) may represent the first clinical conditions of the carcinogenesis process; their early identification and management may contribute to reducing these rates. The average delay in the diagnosis of oral cancer is three months, with the clinical variability of the lesion being one of the most relevant factors. One possibility, in this context, is the use of artificial intelligence to assist in the diagnosis of oral lesions from clinical photographs. This work corresponds to the result of three years of research focused on the development of an application to support the clinical diagnosis of malignant or potentially malignant oral lesions, carried out by the student during her scientific initiation process, associated with the Oral Pathology Laboratory of Faculdade de Odontologia at the Universidade Federal do Rio Grande do Sul (UFRGS). Therefore, the objective of this study is to develop a machine learning–based application, intended for mobile devices and desktop computers, with the ability, from photographs of the oral cavity of patients, to identify and highlight anomalies associated with malignant oral lesions and/or OPMD, thus assisting in the clinical decision-making process of dentists and other healthcare professionals. As specific objectives, the following stand out: define, through the application, whether the photographed lesion is an OPMD (leukoplakia, erythroplakia, actinic cheilitis, oral lichen planus, or other) or a malignant neoplasm (oral squamous cell carcinoma or other); differentiate, through the application, unaffected mucosa from altered mucosa (lesion). For this purpose, a system based on convolutional neural networks (CNN) was created. A total of 1.052 clinical images of malignant neoplasms and OPMD were used in the study, with 915 intended for system training, through manual masking, and 137 for the validation stage. After that, it was possible to implement a functional application for desktop computers and mobile devices (Android and iOS systems), with the ability to identify clinical lesions with accuracy greater than 85% compared to histopathological diagnosis, especially in cases of oral squamous cell carcinoma and leukoplakia. The heterogeneity of the database used represented a determining factor in conferring robustness to the algorithm and generalization capacity. Therefore, the system under study is configured as a viable and economically accessible alternative to assist in the detection of suspicious lesions in the clinical practice of dentists. However, it requires improvement through subsequent research with the inclusion of new categories of lesions (benign neoplastic, proliferative and flat). ...
Instituição
Universidade Federal do Rio Grande do Sul. Faculdade de Odontologia. Curso de Odontologia.
Coleções
-
TCC Odontologia (1159)
Este item está licenciado na Creative Commons License


