Novo artigo publicado na revista Biomedicines, Edição Especial em New Insights into Breast Cancer Management: From Tumorigenesis to Personalized Treatments

O subtipo molecular de cancro da mama é um dos principais marcadores que determina a agressividade do tumor e qual a terapêutica a seguir. Actualmente essa caracterização é feita de forma muito invasiva e dolorosa através de biópsias, um processo altamente especializado, dispendioso, propenso a erros devido à heterogeneidade do tumor e que não permite ter uma noção das regiões circundantes do tumor, muitas vezes com informação extremamente importante na correcta caracterização do mesmo. Este estudo explora um método novo e não invasivo que utiliza imagens de mamografia e técnicas avançadas de Inteligência Artificial para obter a informação molecular diretamente das imagens. Através da base de dados de imagens OPTIMAM, 1397 imagens de 660 pacientes foram consideradas e através de um modelo de aprendizagem profunda pré-treinado – ResNet-10 – foi testada a classificação dos tumores em cinco subtipos: Luminal A, Luminal B1, Luminal B2, HER2 e Triplo Negativo. Foram testadas diferentes estratégias de classificação, incluindo classificações binárias e multiclasse, com medidas para lidar com classes desequilibrados através de sobreamostragem, subamostragem e aumento de dados. No geral, o estudo demonstra o potencial promissor destes métodos avançados de Inteligência Artificial para prever subtipos de cancro da mama directamente a partir das imagens de mamografia, o que poderia reduzir significativamente a necessidade de biópsias e ajudar no desenvolvimento de planos de tratamento personalizados.