Pesquisadores da Universidade Estadual Paulista (Unesp) avaliaram o uso de computação quântica no diagnóstico precoce do câncer de mama e registraram até 87,2% de acurácia na classificação de lesões.
O estudo testou uma rede neural híbrida — que combina camadas quânticas e clássicas — conhecida como quanvolutional neural network (QNN). O modelo foi aplicado a imagens de mamografias e ultrassonografias para diferenciar nódulos benignos e malignos.
Como o experimento foi conduzido
A equipe não utilizou um processador quântico físico. Em vez disso, recorreu a uma plataforma convencional capaz de simular o comportamento ideal de um circuito quântico livre de ruídos. O motivo foi a disponibilidade limitada de dispositivos quânticos reais e o estágio experimental em que se encontram.
No experimento, cada pixel das imagens foi codificado em qubits. Apesar de empregar apenas quatro qubits, a rede se mostrou competitiva. Nos testes, alcançou 87,2% de acurácia e, na validação, 86,1%.
Bases de dados analisadas
Foram utilizadas duas coleções de imagens públicas:
Imagem: Ebrahim Lotfi
- BreastMNIST, com ultrassonografias de mama;
- BCDR, contendo mamografias segmentadas.
Por que o câncer de mama
O tipo de tumor foi escolhido porque é o que mais mata mulheres no Brasil, com taxa de mortalidade de 11,71 por 100 mil habitantes. Detectá-lo precocemente aumenta significativamente as chances de cura.
Aplicações futuras
Segundo os autores, a arquitetura desenvolvida pode ser adaptada para outras áreas da saúde, como análise de lesões cerebrais ou classificação de tecidos em imagens de microscopia.
Com informações de WizyThec
