O que o câncer de mama e a computação quântica têm em comum? Com certeza muito mais do que você pode imaginar. Pelo menos é que defende um novo estudo da Universidade Estadual Paulista (Unesp).

No trabalho, os pesquisadores propuseram o uso da tecnologia para ajudar no diagnóstico precoce da doença. Ela se mostrou muito eficaz na detecção precoce de sinais do tumor, o que é fundamental para aumentar as chances de cura dos pacientes.

Tecnologia reduz possibilidade de falhas no diagnóstico da doença

• A escolha do câncer de mama pela equipe se deu pelo fato deste ser o tumor que mais causa mortes em mulheres no Brasil.
• A taxa de mortalidade da doença é de 11,71 a cada 100 mil.
• No trabalho, os autores descrevem uma rede neural híbrida que combina camadas quânticas com camadas clássicas, utilizando uma abordagem conhecida como “quanvolutional neural network” (QNN).
• O modelo foi aplicado a imagens de mamografias e ultrassonografias com o objetivo de classificar lesões como benignas ou malignas.
• As informações são da Agência FAPESP.

Leia mais

• Como o escorpião da Amazônia pode ajudar a tratar o câncer de mama
• Tecnologia detecta retorno do câncer de mama com antecedência
• Mamografia agora deve ser realizada partir dos 40 anos

Método pode ser utilizado também em outras áreas

Os pesquisadores não utilizaram um processador quântico verdadeiro no experimento, mas uma plataforma clássica, que reproduz o comportamento ideal de um circuito quântico sem ruídos ambientais. A escolha se deu pelo fato de existirem poucos dispositivos no mundo e por todos ainda estarem em fase experimental.

No estudo, as informações codificadas nos qubits foram pixels das imagens de mamografia e ultrassonografia. O modelo foi testado com duas bases de dados: BreastMNIST (com imagens de ultrassonografia) e BCDR (com mamografias segmentadas). Mesmo utilizando um circuito com apenas quatro qubits, a rede híbrida obteve desempenho competitivo. No melhor caso, alcançou 87,2% de acurácia no conjunto de teste e 86,1% no de validação.

Embora o estudo tenha focado o câncer de mama, os autores destacam que a arquitetura desenvolvida pode ser aplicada a outras áreas. Ela pode, por exemplo, ser usada para análise de lesões cerebrais ou classificação de tecidos em imagens de microscopia.