IA e os Problemas Difíceis do Mundo · Medicina e descoberta de medicamentos · Nature (computational biology) · 2026-10-17
Uma estrutura hierárquica interpretável de aprendizado profundo para a detecção de câncer de pulmão e de cólon
Título original: An interpretable hierarchical deep learning framework for lung and colon cancer detection
Classificar o câncer de pulmão e de cólon a partir de imagens histopatológicas é difícil porque as classes são parecidas e a morfologia dos tecidos varia, e os modelos convencionais de aprendizado profundo oferecem pouca transparência. Os autores dividem a tarefa de cinco classes em etapas do geral para o específico: primeiro, normal versus câncer; depois, um classificador especializado para as categorias de tecido normal ou para os subtipos de câncer, com a melhor arquitetura escolhida para cada etapa. A estrutura alcançou 98.50% de acurácia no LC25000 e 82.01% no conjunto de dados independente LungHist700, e foram usados Grad-CAM, Grad-CAM++, LIME e Occlusion Sensitivity para destacar as regiões da imagem por trás de suas previsões.