Análise de desempenho de algoritmos de aprendizagem de máquina na classificação de exames de câncer no colo do útero

Abstract

O câncer do colo do útero é uma doença silenciosa, que apresenta maior ocorrência em países menos desenvolvidos. A melhor forma de prevenção e controle do câncer do colo do útero é a detecção precoce, realizada por meio do Exame de Papanicolaou. As alterações celulares nas células do colo do útero são as principais indicadoras de formação de tumores com suspeita de malignidade. A identificação dessas alterações é uma tarefa que necessita bastante atenção, a fim de minimizar erros de interpretação. Este trabalho consiste na análise do desempenho de algoritmos de aprendizado de máquina (J48, Random Forest, Naive Bayes, Multilayer Perceptron) na classificação de células do colo do útero e na identificação de possíveis anomalias. O desempenho dos algoritmos foi analisado através da ferramenta de mineração de dados Waikato Environment for Knowledge Analysis (WEKA), seguindo algumas métricas de avaliação. Os experimentos foram realizados em uma base de dados contendo descrições completas de células do colo do útero, bem como suas 7 possíveis classificações, fornecida pelo Hospital da Universidade de Herlev, na Dinamarca. Além da base original, foram realizados experimentos em uma base secundária, onde a quantidade de classificações possíveis foi reduzida a duas: normal e anormal. Após esses experimentos, foi escolhido o algoritmo de melhor desempenho geral para ser testado utilizando a técnica de seleção de atributos, que analisa a base em busca dos atributos mais relevantes antes de realizar a classificação. O melhor resultado foi obtido com o algoritmo Multilayer Perceptron, com a seleção de atributos na base de dados secundária, que obteve uma taxa de acerto de 94,44%, com um índice de concordância considerado excelente. A taxa de falsos positivos para normalidade foi de 3,6%, indicando que poucas células anormais foram classificadas como células normais. Os resultados obtidos mostram que os algoritmos de aprendizado de máquina possuem alta capacidade para identificar padrões e para realizar tarefas de classificação, revelando grande potencial para utilização na área médica.