Teste de modelos de inteligência artificial para análise de exames de punção aspirativa com agulha fina

Abstract

Este trabalho tem como foco a análise de exames de Punção Aspirativa por Agulha Fina (PAAF) da tireoide, utilizando técnicas de inteligência artificial para auxiliar na identificação de nódulos malignos. A principal motivação da pesquisa está na necessidade de métodos mais eficientes e confiáveis para auxiliar no diagnóstico citopatológico, uma vez que esse processo depende da interpretação humana, podendo estar sujeito a erros. Foram utilizados modelos de aprendizado de máquina para classificar imagens citológicas da tireoide, com o objetivo de avaliar seu desempenho diante de um conjunto limitado de dados. A base de dados utilizada foi submetida a técnicas de tratamento e aumento de dados, como equalização de contraste (CLAHE), rotações, zoom e recortes aleatórios, a fim de aumentar a qualidade das informações fornecidas. Três abordagens foram aplicadas: uma rede neural convolucional (CNN), uma Máquina de Vetores de Suporte (SVM) e uma SVM com MobileNetV2 como ferramenta para extração de padrões visuais. Os resultados mostraram que mesmo com uma base reduzida, os modelos foram capazes de realizar a tarefa de classificação com desempenho satisfatório. A CNN apresentou maior precisão e taxa de acerto geral, enquanto o SVM com MobileNetV2 destacou-se por sua alta sensibilidade, sendo mais eficaz na identificação correta de casos malignos. A pesquisa demonstra o potencial do uso de inteligência artificial como ferramenta de apoio em análises citológicas, contribuindo para a redução de falhas humanas e a melhoria do processo diagnóstico.