Aprendizado de máquina na detecção de câncer de pâncreas

Abstract

O câncer de pâncreas (CP) é considerado o 3º no índice de mortalidade por câncer, possuindo a menor taxa de sobrevivência. Advindo da porção exócrina do pâncreas, a neoplasia apresenta sintomas comuns a outras doenças, como perda de peso, dor e incapacidade, o que torna o diagnóstico da doença mais difícil de ser detectado. Embora haja tratamento, estes não são eficazes o suficiente para gerar sobrevida aos pacientes, principalmente devido ao diagnóstico tardio. Existem alguns biomarcadores importantes como o CA19-9 e o REG1B para a detecção de CP. O CA19-9 é considerado o biomarcador de ouro para a doença, enquanto o indicador REG1B (Litostatina-1-beta) auxilia o CA19-9 a discriminar pacientes doentes e saudáveis, reduzindo o índice de falsos positivos e falsos negativos. Técnicas de machine learning vêm sendo utilizadas como forma de auxiliar os médicos na tomada de decisão e detecção de doenças. No presente trabalho, são apresentados os resultados utilizando o algoritmo Random Forest e a rede neural Euclidiana Autoexpansível baseada na Teoria da Ressonância Adaptativa (EAEART), para classificação de pacientes com CP.