Utilização da IA para prever a ocorrência de cancro oral

No entanto,uma das  maiores  preocupações com o cancro oral é a sua grande taxa de recorrência. A malignidade oral e seu crescimento dependem do estágio do cancro e qualquer falta de evidências sobre a previsão do estágio da doença levará a um plano de tratamento ineficiente. 

Existem vários biomarcadores prognósticos que são propostos em períodos contínuos. No entanto, esses biomarcadores não podem ser reproduzidos no atual sistema de estadiamento da doença. Vários métodos estatísticos convencionais estão a ser usados para prever o cancro oral; No entanto, dada a complexidade dos dados envolvidos no carcinoma oral, não são o mais adequado para condições como o cancro oral. 

Assim, para conjuntos de dados tão complexos, como os do cancro oral os modelos de previsão baseados em IA podem fornecer resultados precisos.

Vários estudos são realizados sobre os modelos propostos acima, como a pesquisa realizada por Alabi et al., no Brasil, onde comparou quatro algoritmos de machine learning para predição da recorrência do carcinoma espinocelular oral da língua  Os resultados deste estudo concluíram a maior precisão na predição do sistema de estágio do cancror oral e recorrência da doença.

Esses algoritmos de machine learning foram  desenvolvidos com base BTD (Bayes, boosted decision tree). Em todos os algoritmos, os resultados dos estudos observaram que o algoritmo BDT forneceu resultados mais precisos. Esses modelos utilizaram vários fatores, como morte, ocorrência de cancro, taxa de sobrevida e metástase.

Esses estudos apontaram que a árvore de decisão foi mais facilmente interpretável e precisa quando comparada à regressão logística tradicional. Estudos também são conduzidos para comparar o modelo de regressão difusa (que explica a relação entre resposta e variáveis explicativas), modelo de predição de redes neurais e a opinião clínica para predição do cancro oral. Esses estudos concluíram que a rede neural baseada em IA e os modelos de regressão difusa tiveram um bom desempenho na predição da doença em comparação com a opinião humana.

Os resultados mostraram que a precisão da predição da doença é de quase 90%-96% quando os algoritmos acima são usados.

No entanto, como os conjuntos de dados são pequenos para esses estudos, pesquisas extensas e estudos adicionais são necessários para a validação adequada dos resultados. No entanto, as evidências sugerem claramente que os algoritmos de aprendizado de máquina baseados em IA são muito eficazes em comparação com os métodos estatísticos convencionais.