Desenvolvimento e validação de ferramentas computacionais de apoio ao diagnóstico citopatológico do câncer do colo do útero.

Abstract

Uma das causas dos resultados falso-negativos e falso-positivos do exame de Papanicolaou são fatores subjetivos atrelados a análise microscópica realizada por citopatologistas. A visão computacional tornou-se uma importante estratégia de melhoria da qualidade do exame, permitindo a construção, validação e implementação de ferramentas computacionais para auxiliar o diagnóstico selecionando áreas do esfregaço prováveis de apresentar alterações citopatológicas. Apesar do aprendizado de máquina se mostrar promissor para minimizar as deficiências do exame, até o momento, a visão computacional não é tão aplicada à citologia convencional. Principalmente devido ao custo dos métodos semi-automáticos disponíveis e ao uso mais difundido da citologia em meio líquido em países de alta renda. Entretanto, diversos países no mundo ainda usam a citologia convencional e não há previsão para substituição. Assim, depara-se com ausência de estudos e de base de dados de citologia convencional, que impedem avanços no desenvolvimento de algoritmos de segmentação e classificação. Nesse contexto, o primeiro objetivo específico desse trabalho foi identificar a viabilidade de implementação de métodos semi-automáticos disponíveis para triagem de lâminas cervicais por meio de uma revisão integrativa da literatura; o segundo objetivo foi desenvolver uma plataforma web e uma coleção de dados de imagens de citologia convencional; o terceiro objetivo foi desenvolver e validar algoritmos de classificação de células cervicais. A revisão integrativa mostrou que os métodos semi-automáticos mais usados foram o ThinPrep Imaging System e o BD FocalPoint GS Imaging System. Apontou ainda que os métodos semi-automáticos são relevantes no monitoramento da qualidade em citopatologia cervical, porém existem lacunas relacionadas ao custo, logística dos equipamentos e uso da citologia convencional. Neste sentido, foi desenvolvido a CRIC Searchable Image Database, plataforma web de dados de imagens e a CRIC Cervix, coleção de dados de imagens do exame de Papanicolaou convencional, com 11.534 células classificadas, até o momento, é a maior base de dados de células cervicais. Esses dois produtos, publicamente disponíveis, já suportam pesquisas reprodutíveis em visão computacional. O primeiro algoritmo baseado em intensidade e área nuclear mostrou ótimo desempenho nas imagens sintéticas com precisão mais alta que outros trabalhos, ou seja, obteve-se menos resultados falso-positivos. Entretanto, o desempenho foi razoável nas imagens convencionais. O segundo algoritmo baseado em atributos não geométricos extraídos dos núcleos teve precisão de 89,7% e de 85,1% para a classificação em duas classes (células normais e alteradas) e três classes (normal, alteração de baixo grau e de alto grau), com falso-negativos de 3,41% e 1,87%, respectivamente. Os resultados foram satisfatórios, visto que os falso-negativos na rotina laboratorial podem chegar a 62%. A especificidade foi de 83,3% e de 77,8%, para duas e três classes, apontando que os falso-positivos não foram significativos, ainda mais que, posteriormente, esses campos serão avaliados pelo especialista. Os resultados dos algoritmos mostram que é importante basear a extração dos atributos computacionais nos critérios citomorfológicos utilizados pelos citopatologistas para obtenção de resultados mais assertivos. As soluções geradas abrem possibilidades concretas para avançar esforços no desenvolvimento de métodos computacionais de apoio a análise microscópica clássica do exame de Papanicolaou convencional.