Aplicações | Carcinoma Hepatocelular

Como a Inteligência Artificial pode ajudar na área da saúde, predizendo resultados e escolhendo o melhor tratamento.

Image for post
Image for post
Uma imagem de ressonância magnética

Imagine a seguinte situação: você possui carcinoma hepatocelular (um tipo de câncer que ocorre no fígado) e quer tratá-lo. Um dos tratamentos é por Radiofrequência, no qual colocam em você uma agulha (que custa em torno de 5 mil reais) que emite algumas ondas em certas frequências, destruindo todas as células do carcinoma (e outras que estiverem no caminho). E, depois de toda essa dor e esse custo, o câncer volta. Como podemos prevenir isso? Como podemos predizer o resultado desse tratamento?

Esse tipo de caso é bem comum, e é um problema bem complexo para tentarmos resolver de alguma forma convencional. Por isso, uma das saídas que alguns médicos estão escolhendo é usar Inteligência Artificial para ajudá-los. Nós possuímos um projeto do Carcinoma citado acima para predizer esse tratamento.

Inteligência Artificial

Um exame de ressonância magnética é composto por diversas imagens, por exemplo, 100 imagens de 512 x 512 pixeis (imagens são matrizes com valores da intensidade luminosa em cada pixel), contendo assim 26.214.400 pixeis. Se o modelo possuir apenas um parâmetro para cada pixel, teremos 26.214.400 parâmetros, um modelo muito complexo que precisa de muitos dados para funcionar, e normalmente não temos essa quantidade de casos necessários. Como proceder?

Image for post
Image for post
Joey está triste por não saber como proceder. Não se preocupe, Joey! Vamos te ajudar!

Features e Feature Selection

Após calcular os features da imagem, devemos selecionar os features que explicam melhor o problema: essa etapa chamamos de Feature Selection. Há diversas formas de selecionar, mas o mais comum é usando AUC (“area under the ROC curve”). Esse AUC é um valor entre 0 e 1, e ele indica o quão importante é um feature para o problema (quanto mais próximo de 1, mais importante ele é, 0.5 indica que o feature não é relevante). Selecionando os features com maior importância (com AUC > 0.85, por exemplo), reduzimos a quantidade de features para 20, 10 ou até menos.

Depois desses processos, obteremos um conjunto de dados com dimensão bem menor, formado apenas por features relevantes ao problema. Agora que possuímos dados pequenos, vamos para a parte final da nossa tarefa: criar um modelo.

Image for post
Image for post
Estamos animados para finalizar nosso estudo!

Modelo Preditivo

Image for post
Image for post

A Regressão Logística é uma regressão que nos retorna a probabilidade de um evento ocorrer baseado nos dados de entrada. Ele é muito usado em artigos médicos pois seus parâmetros podem ser usados para entender a importância dos features entre eles (a média pode ser 10x mais importante que o desvio padrão, por exemplo).

Random Forest é outra ferramenta muito utilizada, pois ela possui um funcionamento não-linear, embora seja um pouco mais complexa (possui mais parâmetros) comparado à regressão logística. Ela utiliza diversas árvores de decisão (uma para cada feature) para classificar um caso ou para retornar um valor contínuo (regressão). As árvores informam também qual a importância de cada feature no problema.

Image for post
Image for post
Uma Random Forest com 4 Árvores de Decisão

Após criar o modelo, é necessário testá-lo e verificar se o seu funcionamento cumpre suas necessidades.

Métricas

  • Recall/Sensitivity: Capacidade do modelo de detectar positivos.
  • Specificity: Capacidade do modelo de detectar negativos.
  • Precision: Taxa de acerto do modelo nos dados classificados como positivo.

Essas métricas são calculadas a partir da quantidade de Falsos Positivos (casos negativos classificados como positivos), Falsos Negativos (casos positivos classificados como negativos), Verdadeiros Positivos e Verdadeiros Negativos. No nosso problema, queremos saber se o tratamento vai funcionar (caso positivo) ou se ele não vai destruir o carcinoma permanentemente (caso negativo), sendo fornecido outro tipo de tratamento nesse segundo caso. Então o nosso modelo pode apresentar alguns Falsos Negativos (o paciente só mudará de tratamento), mas ele não deve apresentar Falsos Positivos (o modelo falar que o tratamento vai funcionar sendo que na verdade não vai). Em outras palavras, para esse problema, devemos ter um Precision alto.

Bom, acabou?

E esse foi o Turing Talks dessa semana. Se você achou interessante o tema dessa semana, siga a nossa página no facebook e acompanhe nossas publicações, vai encontrar só eventos/projetos legais.

Isso é tudo por hoje pessoal, um grande abraço!

Turing Talks

Inteligência Artificial para todos

Sign up for Turing Talks

By Turing Talks

Acompanhe os artigos semanais do Turing Talks! Aprenda de maneira simples como funciona Inteligência Artificial e como criar seus próprios algoritmos. Take a look

By signing up, you will create a Medium account if you don’t already have one. Review our Privacy Policy for more information about our privacy practices.

Check your inbox
Medium sent you an email at to complete your subscription.

Felipe Augusto de Moraes Machado

Written by

Engineering Student

Turing Talks

Inteligência Artificial para todos

Felipe Augusto de Moraes Machado

Written by

Engineering Student

Turing Talks

Inteligência Artificial para todos

Medium is an open platform where 170 million readers come to find insightful and dynamic thinking. Here, expert and undiscovered voices alike dive into the heart of any topic and bring new ideas to the surface. Learn more

Follow the writers, publications, and topics that matter to you, and you’ll see them on your homepage and in your inbox. Explore

If you have a story to tell, knowledge to share, or a perspective to offer — welcome home. It’s easy and free to post your thinking on any topic. Write on Medium

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store