Deteção do adenocarcinoma pancreático com o QuPath e aprendizagem máquina

Abstract

O tumor pancreático é um tumor agressivo que muitas vezes é diagnosticado em estágios avançados, diminuindo as hipóteses de sobrevivência dos pacientes. Utilizando a aplicação QuPath, uma ferramenta de análise de imagens histopatológicas, o objetivo deste trabalho é desenvolver as ferramentas necessárias para o desenvolvimento de um algoritmo capaz de identificar precocemente o tumor pancreático, melhorando o diagnóstico e o tratamento desta doença. Com o intuito de testar as ferramentas foram desenvolvidos 3 algoritmos distintos, incluindo um para a deteção da área útil da imagem e 2 para a deteção do tumor com diferentes níveis de ampliação. As ferramentas desenvolvidas são extensões do QuPath capazes de mostrar uma pré-visualização dos resultados com o uso de thresholds e de calcular a matriz de confusão e métricas em um conjunto de imagens. O trabalho contribui para a área de deteção do tumor pancreático, mas requer refinamentos adicionais, como o aumento da quantidade de dados de treino e a exploração de diferentes algoritmos. Espera-se que este estudo possa ajudar a melhorar a deteção precoce e o tratamento eficaz do tumor pancreático, trazendo benefícios significativos para os pacientes afetados por esta doença devastadora.

Pancreatic tumors are aggressive tumors that are often diagnosed in advanced stages, reducing patients' chances of survival. Using the QuPath application, a tool for analyzing histopathological images, the aim of this work is to develop the tools needed to develop an algorithm capable of identifying pancreatic tumors at an early stage, improving the diagnosis and treatment of this disease. In order to test the tools, 3 different algorithms were developed, including one for detecting the useful area of the image and 2 for detecting the tumor at different magnification levels. The tools developed are extensions of QuPath capable of showing a preview of the results using thresholds and calculating the confusion matrix and metrics on a set of images. The work contributes to the area of pancreatic tumor detection, but requires further refinements, such as increasing the amount of training data and exploring different algorithms. It is hoped that this study can help improve the early detection and effective treatment of pancreatic tumor, bringing significant benefits to patients affected by this devastating disease.