DETECÇÃO DE Helicobacter pylori EM IMAGENS DE BIÓPSIA DE TECIDO GÁSTRICO
Deep learning, Detecção, Helicobacter pylori, Histopatologia.
A Helicobacter pylori (HP) é uma bactéria capaz de induzir sérias inflamações na mucosa gástrica, levando ao desenvolvimento de patologias como gastrite crônica, úlcera péptica e câncer gástrico. Estima-se que a prevalência é de 50\% na população mundial e de 70\% na população brasileira. A HP é a maior causadora de câncer gástrico no mundo, logo, o controle da infecção é de fundamental importância para a prevenção de doenças do trato gástrico. O principal método de diagnóstico é o exame histopatológico, um método que consiste em um patologista analisar uma lâmina contendo tecido de biopsia gástrica em busca da presença de HP. A vantagem desse método é a possibilidade de também analisar estruturas morfológicas do tecido, entretanto é um método invasivo, depende da experiência do patologista e dispende de muito tempo para finalização do diagnóstico. Os algoritmos de aprendizado profundo têm sido potencialmente aplicados para análise de imagens histológicas e demonstrado resultados promissores para patologias do trato gástrico. Espera-se que esses modelos auxiliem o patologista no diagnóstico da infecção por HP, sem dispêndios de tempo e redução da subjetividade nas análises. Entretanto o emprego desses métodos para detecção de HP é escasso. Dessa forma, o presente estudo apresenta: a) uma revisão sistemática para averiguar como os métodos de deep learning podem auxiliar no diagnóstico e detecção de infecção por HP durante o exame histopatológico; b) de forma piloto a construção de uma coleção de imagens histológicas rotuladas para treinamento e teste de modelos de detecção de H. Pylori; c) experimentos iniciais da aplicação de métodos de detecção baseados na estratégia You Only Look Once