Identificação de tumores cerebrais dos tipos glioma, meningioma e pituitário utilizando rede neural convolucional : um estudo de caso escalável

Abstract

O diagnóstico precoce de tumores cerebrais é essencial para aumentar as chances de sucesso no tratamento e sobrevida dos pacientes. No entanto, a análise de imagens médicas, como tomografias computadorizadas (TC) e ressonâncias magnéticas (MRI), é um processo demorado porque, apesar das imagens serem disponibilizadas logo após a realização do exame, elas ainda precisam ser encaminhadas para médicos radiologistas, para a interpretação dessas imagens, e esse processo manual, além de aumentar o tempo de resposta, está sujeito a possíveis erros de interpretação. Diante disso, o presente trabalho tem como objetivo o desenvolvimento de uma ferramenta de apoio ao pré-diagnóstico de tumores cerebrais, com foco nos tipos glioma, meningioma e pituitário, utilizando redes neurais convolucionais aplicadas a imagens de ressonância magnética. A proposta se insere em um cenário crítico do Sistema Único de Saúde (SUS), com elevada demanda por exames de imagem e a necessidade de ferramentas tecnológicas que auxiliem o diagnóstico precoce que otimizem o tempo de resposta médica. Partindo de uma base de dados pública, foram aplicadas técnicas de pré-processamento para padronizar e melhorar a qualidade das imagens antes de treinar um modelo da arquitetura YOLOv8. Como resultado, a abordagem demonstrou que o tratamento adequado dos dados foi crucial, elevando o desempenho do modelo para 92,5% de mAP@0.5 e validando a ferramenta como um recurso promissor para oferecer um alerta visual rápido e automatizado ao paciente, otimizando o tempo de resposta e fortalecendo o diagnóstico assistido por inteligência artificial.