O impacto da baixa prevalência e sensibilidade no diagnóstico de tumores via Inteligência Artificial

O estudo utilizou o conjunto de dados do banco de Diagnóstico de Câncer de Mama de Wisconsin (DCMW) buscando avaliar a viabilidade da utilização de Redes Neurais Artificiais (RNA’s) para a classificação de malignidade de tumores mamários, testar a capacidade preditiva da rede e a influência das variáveis categóricas no desfecho. A metodologia incluiu métricas estatísticas como a acurácia, sensibilidade e especificidade, os testes foram realizados no software RStudio com arquiteturas diferentes de rede. Foi possível perceber uma boa performance ao utilizar um modelo mais simples com dois neurônios, e um equilíbrio superior entre as métricas de sensibilidade e especificidade na implementação de quatro neurônios na camada oculta, resultando 95% e 97% de acurácia respectivamente, ambos com o limite de 50% na margem de decisão. Através do teste quiquadrado, as variáveis que apresentaram maior influência no desfecho foram textura média, compacidade média, raio médio e suavidade média. Também foi possível analisar um fenômeno estatístico relacionado à baixa prevalência de casos em uma população que aumenta a probabilidade de falsos positivos, apesar da alta sensibilidade no teste. Esses resultados indicam que o uso das RNAs na área da saúde pode ser promissor, entretanto, são necessários mais estudos para o aprimoramento dos modelos preditivos e cautela na implementação da prática diagnóstica.