| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 1.87 MB | Adobe PDF |
Authors
Abstract(s)
A presente dissertação reside na construção de um Sistema Pericial de apoio ao diagnóstico clínico do Carcinoma da Próstata, baseado na implementação de Redes Neuronais Artificiais.
O estudo permitiu a criação de uma Rede Neuronal Artificial cuja saída permite diferenciar tumores malignos de benignos, podendo a mesma reduzir com uma certa sensibilidade e especificidade o número de biópsias potencialmente evitáveis. Para tal, foram consideradas como entradas a idade, PSA Total (ng/mL), PSA livre (ng/mL), %PSA livre/PSA Total, volume prostático (cm3), densidade (ng/mL/cm3) e informação do exame retal digital. A saída fornece o resultado de uma possível recomendação para a realização da biópsia prostática ou então sugere uma avaliação anual do valor de PSA Total (ng/mL/ano).
Para o processo de aprendizagem e treino da Rede Neuronal Artificial, foi construída a sua base de dados contendo diagnósticos reais, os quais continham a variação de valores dos parâmetros apresentados. Foram considerados um total de 292 diagnósticos cedidos pelo Centro Hospitalar Cova da Beira (CHCB), realizados no período entre 2008 e 2010, de indivíduos do sexo masculino num intervalo de idades compreendidas entre os 48 e os 101 anos. Destes diagnósticos, 130 apresentavam biópsia positiva para o Carcinoma da Próstata e 162 para situações benignas como a Hiperplasia Benigna da Próstata.
Foram testados vários modelos da Rede Neuronal Artificial de modo a encontrar o melhor que permitisse uma maior acuidade diagnóstica.
A avaliação do desempenho da mesma foi feita com recurso ao Coeficiente de Regressão de Pearson (R) e ao Erro Quadrático Médio (EQM), apresentando o melhor modelo um valor de R = 0,96 e EQM = 0,04, respetivamente.
A implementação da rede neuronal artificial foi realizada na ferramenta computacional MATLAB R2011b, fazendo uso da Neural Networks toolbox. A rede neuronal artificial possui uma topologia do tipo Feedforward Backpropagation e utiliza o algoritmo de treino Levenberg-Marquardt. Esta é constituída por duas camadas escondidas, igualmente ativadas pela função de transferência sigmóide logarítmica (logsig), contendo a primeira camada 50 neurónios e a segunda 30 neurónios. A camada de saída é somente composta por 1 neurónio, com função de transferência linear (purelin).
A rede neuronal artificial foi incluída numa interface gráfica do utilizador desenvolvida na ferramenta GUIDE (Graphical User Interface Design Environment) incluída no MATLAB. Entre os requisitos desta encontram-se a utilização fácil e intuitiva pois pressupõe-se o seu uso pelos profissionais de saúde sem conhecimentos técnicos ao nível de desenvolvimento de redes neuronais.
A comparação dos resultados forneceu uma sensibilidade ao teste de 97,7% e uma especificidade de 100%. Face aos resultados obtidos, este Sistema Pericial poderá exercer um forte complemento ao diagnóstico médico, traduzindo-se também numa diminuição do número de exames complementares a que o paciente fica sujeito, proporcionando desta forma racionalidade e consequentemente gestão de recursos ao nível dos serviços de saúde.
Description
Ao Centro Hospitalar Cova da Beira por me ter concedido o acesso aos dados que necessitei para a elaboração deste trabalho.
Keywords
Sistema pericial (Informática) Rede neuronal artificial