Method of histopathological diagnosis of mammary nodules through deep learning algorithm / Método de diagnóstico histopatológico de nódulos mamários por meio do algoritmo de aprendizagem profunda

ABSTRACT

ABSTRACT Introduction: Artificial intelligence systems are promising health care technologies, mainly in medical subareas such as pathology, and can be used as support methods for the histological diagnosis of mammary nodules. Objective: This study describes the method and results of the development of artificial intelligence software for the histopathological analysis of mammary nodules. Methods: The software was developed by using two neural networks - Inception and MobileNet. The database used for learning the conditions analyzed (histologically normal breast, fibroadenoma, fibrocystic changes, in situ ductal carcinoma, invasive carcinoma of no special type and invasive lobular carcinoma) was obtained after authorization of the Path Presenter site with 5,298 images. The 2,740 images used for the validation of the system were obtained from the Pathology Institute of Passo Fundo. Results: The present software had sensitivity of 80.5% [95% confidence interval (CI), 71.9%-89.1%] and specificity of 96.1% (95% CI, 94.3%-97.8%) for MobileNet and sensitivity of 73.8% (95% CI, 52.6%-115%) and specificity of 94.7% (CI 95%, 91.7%-97.7%) for Inception. For the differentiation of malignant conditions, it obtained a maximum sensitivity of 78.7% and specificity of 95.8%; for differentiation of benign conditions, the maximum sensitivity was 82.6% and the specificity was 97.4%. Conclusion: The present software presented promising results in the histopathological analysis of mammary nodules. It reinforced the idea that in the future the presence of diagnostic support systems in breast pathologies may play a crucial role in health care.

RESUMEN

RESUMEN Introducción: Los sistemas de inteligencia artificial son tecnologiasprometedoras en asistencia en salud, principalmente en áreas médicas como la patologia; pueden ser usados para el diagnóstico histopatológico de nódulos mamarios. Objetivo: Este estudio presenta el método y los resultados de la construcción de un software de inteligencia artificial para análisis histopatológico de nódulos mamarios. Métodos: El software fue desarrollado usando dos redes neurales. Se obtuvo la base de datos para el aprendizaje de las condicionas analizadas (mama histológicamente normal, fibroadenoma, cambios fibroquisticos de la mama, carcinoma ductal in situ, carcinoma invasivo de tipo no especial y carcinoma lobular invasivo) después de la aprobación de la página Path Presenter, con 5.298 imágenes. Las imágenes utilizadas para validación del sistema se obtuvieron del Instituto de Patologia de Passo Fundo, totalizando 2.740 imágenes. Resultados: El softwarepresentósensibilidaddel80,5% [intervalo de confianza (IC) 95%, 71,9%-89,1%] y especificidad de 96,1% (95% IC, 94,3%-97,8%) para MobileNet y sensibilidad de 73,8% (95% IC, 52,6%-115%) y especificidad de 94,7% (95% IC, 91,7%-97,7%) para Inception. Para diferenciación de condiciones malignas, obtuvo-se sensibilidad máxima de 78,7% y especificidad de 95,8%; para diferenciación de condiciones benignas, la sensibilidad máxima fue de 82,6% y la especificidad, de 97,4%. Conclusión: El software presentó resultados prometedores en el análisis histopatológico de nódulos mamarios, reforzando la idea de que, en el futuro, la presencia de sistemas de soporte diagnóstico de enfermedades mamarias puede desempenar un papel crucial en la rutina del sistema de salud.

RESUMO

RESUMO Introdução: Sistemas de inteligência artificial são tecnologias promissoras de assistência em saúde, principalmente em subáreas médicas, como a patologia; podem ser utilizados como métodos de suporte para o diagnóstico) histopatológico de nódulos mamários. Objetivo: Este estudo apresenta a metodologia e os resultados da construção de um software de inteligência artificial para análise histopatológica de nódulos mamários. Métodos: O softwarefoi desenvolvido utilizando duas redes neuraispara a sua construção: Inception e MobileNet. O banco de dados utilizado para a aprendizagem das condições analisadas (mama histologicamente normal, fibroadenoma, alteração fibrocística, carcinoma ductal in situ, carcinoma invasivo do tipo não especial e carcinoma lobular invasivo) foi obtido após autorização do site Path Presenter, com 5.298 imagens. As imagens utilizadas para a validação do sistema foram obtidas do Instituto de Patologia de Passo Fundo, totalizando 2.740 imagens. Resultados: O software apresentou sensibilidade de 80,5% [intervalo de confiança (IC) 95%, 71,9%-89,1%] e especificidade de 96,1 % (95% IC, 94,3%-97,8%)para o MobileNet e sensibilidade de 73,8% (95% IC, 52,6%-115%) e especificidade de 94,7% (95% IC, 91,7%-97,7%) para o Inception. Para a diferenciação de condições malignas, obteve-se sensibilidade máxima de 78,7% e especificidade de 95,8%; para diferenciação de condições benignas, a sensibilidade máxima foi de 82,6% e a especificidade, de 97,4%. Conclusão: O software apresentou resultados promissores na análise histopatológica de nódulos mamários, reforçando que, no futuro, a presença de sistemas de suporte de diagnóstico das patologias mamárias pode se fazer presente na rotina do sistema saúde.