Foto da equipa vencedora do Prémio de Prata do Concurso Mundial RSNA Screening Mamography Breast Cancer Detection, Wang Rongsheng (à direita), aluno do Curso de Mestrado em Big Data e Internet das Coisas da UPM, e o seu orientador Tan Tao.
Recentemente, uma equipa de investigação científica da Universidade Politécnica de Macau (UPM), composta pelo orientador Tan Tao, professor adjunto da Faculdade de Ciências Aplicada da UPM, e Wang Rongsheng, aluno do Curso de Mestrado em Big Data e Internet das Coisas, conseguiu distinguir-se entre cerca de 2.000 equipas de todo o mundo, no Concurso Mundial RSNA Screening Mamography Breast Cancer Detection 2023, conquistando o Prémio de Prata desta competição global, tendo este Concurso Mundial como objectivo identificar eficazmente o cancro de mama, promovendo a melhoria dos serviços de saúde através da respectiva investigação e inovação tecnológica.
A Radiological Society of North America (RSNA) é a conferência de nível mais elevado em imagiologia médica do mundo, representando 31 cursos de radiologia em 145 países e regiões, orientando a investigação e aplicação da radiologia a nível mundial. Anualmente, mais de 50 mil médicos, académicos e profissionais da manufactura participam neste grande evento. A RSNA atribui grande importância à aplicação da inteligência artificial na imagiologia. Para promover a investigação e implementação da inteligência artificial na área da imagiologia médica, a partir de 2017, a RSNA criou uma sessão isolada chamada “Desafio da Inteligência Artificial”, que se torna numa das competições essenciais na área de imagiologia. Este ano, a RSNA e a Kaggle (a maior plataforma do mundo de open data e machine learning) lançaram em conjunto um concurso de detecção de alvos de molibdénio da glândula mamária, com a missão de desenvolver um algoritmo de aprendizagem automática para detectar doenças mamárias, a fim de aumentar a precisão e a eficiência do rastreio de doenças mamárias.
Esta edição do Concurso Global da RSNA, que durou três meses, atraiu a participação de 2.146 participantes individuais de cerca de 2.000 equipas, provenientes de dezenas de países do mundo, incluindo de instituições médicas de renome mundial e universidades de topo nacionais e internacionais, como a Universidade da Pensilvânia dos Estados Unidos, a Universidade de Tóquio, a Universidade da Coreia, a Universidade de Zhejiang e a Universidade de Tecnologia de Harbin, entre outras, bem como os laboratórios médicos e laboratórios de inteligência artificial, como o NVIDIA, para estas instituições desenvolverem soluções que detectem com rapidez e precisão o estado de saúde mamária de pacientes com base nos seus alvos de molibdénio, usando um vasto conjunto de dados de imagens de alvos de molibdénio da glândula mamária, fornecido pela RSNA em colaboração com vários laboratórios de imagiologia em todo o mundo. O material inclui mais de 54.000 imagens de alvos de molibdénio da glândula mamária de mais de 13 mil pacientes. Alguns destes dados contêm informações anormais com a marcação de “ruído”, pelo que os participantes têm de lidar eficazmente com as perturbações causadas por esta dificuldade. Ao mesmo tempo, é necessário concluir o raciocínio do modelo dentro do prazo estipulado, o que exige que os participantes tenham concomitantemente que prestar atenção à eficácia do modelo e ter em consideração a eficiência do modelo.
No referido “Desafio da Inteligência Artificial”, a equipa da UPM explorou, de forma aprofundada, várias teorias e métodos práticos em relação ao tema do Concurso, e em comparação com as imagens naturais, a detecção de imagens de alvos de molibdénio da glândula mamária contém um conjunto de informações que é mais complexa e difícil para analisar, pelo que muitos dos métodos comuns de design de modelo são difíceis de obter resultados positivos neste Concurso. Sob a orientação do professor adjunto Tan Tao e durante várias discussões entre os membros da equipa, estes acabaram por adoptar uma abordagem multi-modelo, multi-etapas e multi-informação, combinando as informações semânticas adicionais das imagens de alvo de molibdénio dos pacientes, a correlação entre as imagens médicas e as lesões, bem como os algoritmos eficazes de amostragem de dados, para conseguir encontrar, em pouco tempo, as regras para o diagnóstico de imagens de alvos de molibdénio da glândula mamária entre as mais de 50 mil respectivas imagens, obtendo, assim, os primeiros 4% melhores resultados nos rankings público e particular. O modelo desenvolvido pela equipa da UPM pode efectivamente auxiliar a identificação do cancro da mama, reduzindo significativamente os efeitos negativos dos falsos positivos sobre os doentes e, deste modo, possibilitando que o cancro da mama seja identificado e tratado na fase inicial, melhorando efectivamente o procedimento e a qualidade dos cuidados de saúde.