BH-index: Um sistema preditivo baseado em marcadores séricos e aprendizado de conjunto para diagnóstico precoce de câncer colorretal em triagem em massa

Antonio Battistaa, Rosa Alessia Battistab, Federica Battistac, Gerardo
Iovaned,∗, Riccardo Emanuele Landie
aA.O.U. S. Giovanni di Dio e Ruggi d'Aragona, UOC Chir Urg, UOC Laboratorio Analisi,
Salerno, Itália
bIRCCS Ospedale San Raffaele, University Vita Salute S. Raffaele, Milão, Itália
cIRCCS Foundation Policlinico San Matteo, Universidade de Pavia, Pavia, Itália
dDepartamento de Ciência da Computação, Universidade de Salerno, Salerno, Itália
eDepartment of Electronics, Information and Bioengineering, Politecnico di Milano, Milão,
Itália

Introdução
O câncer colorretal (CCR) é uma das doenças malignas mais comuns entre os
população geral, representando 10% de todos os cânceres diagnosticados. O CRC representa
o terceiro tumor maligno mais frequente em homens, enquanto é apenas o segundo em
mulheres após o câncer de mama. Em 2020, sua incidência estimada foi de 19:100.0005
em todo o mundo, enquanto a taxa de mortalidade representa 9,4% de todas as doenças relacionadas ao câncer
mortes [1]. Nas últimas décadas, o mundo científico testemunhou uma ligeira diminuição
na incidência e mortalidade do CRC, supostamente relacionadas a ambas as implementações
de programas de triagem em massa e subsequente reconhecimento precoce da doença
em estágios iniciais. Alteração de hemoglobina e DNA detectada em amostras de fezes10
juntamente com a endoscopia, é o teste de triagem mais difundido e recomendado em
a população em geral. No entanto, eles são sobrecarregados por uma sensibilidade bastante baixa
e invasividade, respectivamente [2]. Por esse motivo, o eventual desenvolvimento de
novas abordagens minimamente invasivas, altamente sensíveis e específicas têm um papel crucial
papel na busca pelo reconhecimento da doença no estágio mais precoce possível.

A Inteligência Artificial introduziu perspectivas relevantes da solução, especialmente a de que o uso de um sistema de inteligência artificial é uma solução para o problema.
principalmente por meio do aprendizado de máquina supervisionado, que visa a aproximar os dados desconhecidos
padrões entre os dados relevantes. Parâmetros significativos podem ser usados de forma eficiente e confiável
permitem inferências sobre o estado de saúde dos pacientes; reconhecimento de padrões em doenças colorretais
diagnóstico de câncer está em contínua e considerável expansão [3, 4, 5, 6].20
Neste estudo, propomos um aprimoramento adicional do índice B [7], um método matemático de cálculo de índice.
ferramenta matemática baseada em Redes Neurais Artificiais e realidade estendida para aplicações não relacionadas à saúde.
diagnóstico precoce e invasivo do câncer colorretal. Enfrentamos o problema de previsão de
presença de câncer e classificação de estadiamento, combinando os resultados fornecidos
por vários modelos por meio de um aprendizado em conjunto, ou seja, a votação majoritária, ap-25
[8]. Realizamos uma análise comparativa dos desempenhos, como binários
e preditores de estadiamento, fornecidos por quatro modelos de aprendizado de máquina: RF (Ran-
dom Forest) [9], XGB (XGBoost) [10], SVM (Support Vector Machine) [11],
e ANN (Rede Neural Artificial) [12].

https://kliniksanktmoritz.ch/wp-content/uploads/2022/04/BH-INDEX-A-predictive-system-based-on-serum-biomarkers-and-ensemble-learning-for-early-colorectal-ancer-diagnosis-in-mass-screening.pdf