Trabalho Exercício Avaliativo Plano de Avaliação

MCCC - Exercício Avaliativo 6: Plano de Avaliação

Andre Hirosaki, Juíle Hanada, Luis Felipe, Maria Gabriela, Maria Giovanna

1

Instituto de Computação IComp – Universidade Federal do Amazonas (UFAM)

CEP – 69080-900 – Manaus – AM – Brasil

n

o

andre.hirosaki, juile.hanada, luis.lima

@icomp.ufam.edu.br

maria.morais, maria.sales

1. A Tese

O câncer de colo uterino é a segunda neoplasia feminina mais frequente no mundo, res-

ponsável por mais de 341 mil mortes no ano de 2020 [Sung, H. et al. 2021, Zhang et

al. 2020]. Essa malignidade, quando diagnosticada de forma precoce, pode ser tratada

e curada [Rerucha et al. 2018]. Para isso, é realizado o procedimento de colposcopia,

que consiste na análise de lesões suspeitas através do exame visual do colo do útero por

um médico especializado [Cohen et al. 2019]. Infelizmente, a dificuldade de acesso aos

serviços de saúde em regiões mais isoladas prejudica o diagnóstico oportuno e eleva a

mortalidade dessa doença, como nas cidades do interior do Amazonas e outros estados

do Norte e Nordeste do país [Viana et al. 2019]. Para essas populações, o diagnóstico

auxiliado por computadores é vantajoso por possibilitar o processamento automatizado

de dados através do uso de Deep Learning (DL), podendo obter resultados com acurácia

comparável com a de profissionais experientes.

Faz-se urgente, portanto, a adoção de novos métodos mais sofisticados, precisos e

estáveis de análise visual do câncer de colo de útero. Para tal finalidade, um computador

tem grande potencial para esta tarefa. Um computador é uma máquina eletrônica capaz de

analisar milhões de dados de forma rápida e eficiente desde que bem programado para tal

objetivo. Além disso, a existência das redes neurais definiu um novo papel do computa-

dor que é agora buscar imitar o processo de aprendizado do cérebro mas em um ambiente

eletrônico. Numerosos estudos já apontam que os computadores são capazes de aprender

a fazer um diagnóstico como um ser humano e, em alguns casos, até mesmo mais preciso

que os profissionais da área [Yuan et al. 2020]. Em outras palavras um computador pas-

saria a diagnosticar os casos de câncer de colo de útero e o profissional apenas validaria

se tal análise é suficientemente satisfatória ou não.

Por isso, propõe-se a utilização de redes neurais no diagnóstico das neoplasias

cervicais sem o uso de dados de teste de HPV. É muito frequente a indisponibilidade

destes testes em regiões economicamente menos favoráveis e estes dados são utilizados

para o treinamento das redes neurais. Em tese a remoção dos dados dos teste de HPV

pode afetar o funcionamento das redes neurais bem como reduzir a sua eficiência em

efetivamente identificar a neoplasia.

Para avaliar o funcionamento da rede neural sem estes dados, uma nova rede com

funcionamento semelhante será projetada e terá sua eficiência comparada com uma rede

antiga de modo a verificar se a nova rede perdeu eficiência na identificação da doença e

se ainda manteve níveis aceitáveis de identificação.

Este artigo demonstra que o desenvolvimento desta rede neural pode baratear

ainda mais o diagnóstico de câncer de colo de útero bem como agilizar o processo. Anão inclusão deliberada do testes de HPV também contribui para um aprendizado mais

rápido da rede sem comprometer a eficiência do algoritmo no reconhecimento visual da

neoplasia.

2. A Reivindicação

Tabela 1. Mapeamento da tese em uma reivindicação

Tipo

Bit

Flip

Claim

Descrição

Para detectar o câncer de colo de útero, projetos prévios

utilizaram o resultado do teste de HPV do paciente como

entrada da rede neural, mas este exame é pouco acessível

entre a população mais pobre.

Se os resultados do teste de HPV não forem utilizados como

entrada da rede neural, a detecção do câncer de colo de útero

será mais democrática e rápida.

Uma rede neural que não utiliza o resultado do teste de HPV

como entrada pode fornecer tanta acurácia na detecção do

câncer cervical quanto uma rede neural que o utiliza.

3. Plano de Avaliação

Variável Dependente (VD)

A variável dependente é a eficiência do diagnóstico de neoplasia cervical por meio

da rede neural, avaliada em termos de sensibilidade, especificidade, valor preditivo posi-

tivo, valor preditivo negativo e acurácia.

Variável Independente (VI)

A variável independente é o uso de dados de teste