Método de detecção de câncer de ovário utilizando padrões proteômicos, análise de componentes independentes e máquina de vetores de suporte

Abstract

O câncer de ovário é um tipo de câncer de origem ginecológica mais difícil de ser diagnosticado, pois a maioria dos tumores malignos de ovário só se manifesta no estágio avançado da doença, diminuindo assim a chance de cura. Somente cerca de 20% dos cânceres de ovário são diagnosticados precocemente. A ultrassonografia transvaginal é o método propedêutico mais utilizado para o diagnóstico diferencial, mas ainda não é eficaz para o diagnóstico precoce. Este trabalho propõe um método CAD (Computer-Aided Diagnosis) para detectar precocemente o câncer de ovário com o objetivo de auxiliar outros métodos já existentes, utilizando a técnica de Análise de Componentes Independentes (ICA), para a extração de características dos sinais proteômicos através da utilização do algoritmo FastICA, a técnica de Máxima Relevância e Mínima Redundância (mRMR), para diminuição do custo computacional e redução da dimensionalidade da matriz de características, isto se dá através da seleção das características mais significantes dentre todas as extraídas pela técnica de ICA. Após a extração e seleção das características utilizou-se a Máquina de Vetores de Suporte (SVM), para classificar as amostras entre presença ou ausência de câncer. O método foi testado na base de dados de padrões proteômicos SELDI-TOF, que contêm 253 amostras em baixa resolução (15.154 pontos), sendo 162 de câncer e 91 benignos. A partir dos testes realizados, o melhor desempenho foi obtido com um vetor de 10 características, resultando em uma taxa de acerto média de 98,80%, com 95,65% de especificidade e 100% de sensibilidade.