Portal de Periódicos da CAPES

Artigo Acesso aberto Produção Nacional

BIBTEX RIS

Desbloqueando o hemograma completo como uma ferramenta de estratificação de risco para câncer de mama usando aprendizado de máquina

2024; Volume: 16; Issue: Especial Linguagem: Português

10.59681/2175-4411.v16.iespecial.2024.1355

2175-4411

Daniella Castro Araújo, Bruno Aragão Rocha, Karina Braga Gomes, Daniel Noce da Silva, Vinicius Moura Ribeiro, Marco Aurelio Kohara, Adriano Veloso, Flávia Helena da Silva, Pedro Henrique Araújo de Souza, Ismael Dale Cotrim Guerreiro da Silva,

AI in cancer detection

Objetivo: Avaliar a eficácia do ML no uso do hemograma para avaliação de risco de câncer de mama. Método: Este estudo retrospectivo analisou hemogramas de 396.848 mulheres de 40 a 70 anos. Foram identificados 2861 casos (1882 confirmados por biópsia e 979 por imagens), enquanto 393.987 foram controles (BI-RADS 1 ou 2). Os dados foram divididos em conjuntos de modelagem (treinamento e validação) e teste com base na certeza diagnóstica. Resultados: O modelo de regressão ridge, incorporando a razão neutrófilo-linfócito, glóbulos vermelhos e idade, atingiu uma AUC de 0,64. A população do estudo foi estratificada em quatro grupos de risco: alto, moderado, médio e baixo, com razões relativas de 1,99, 1,32, 1,02 e 0,42, respectivamente. Conclusão: Este modelo de ML fornece uma ferramenta de baixo custo para triagem personalizada de câncer de mama, potencialmente melhorando a detecção precoce em ambientes com recursos limitados.