Implementação de redes neurais convolucionais (CNNS) para auxílios no diagnóstico de câncer de pulmão utilizando banco de dados open source

Resumo

O Câncer de pulmão é um dos tipos de câncer mais letais do mundo, sendo responsável por milhões de mortes anuais e frequentemente diagnosticado em estágios avançado. Diante desse cenário, técnicas de inteligência artificial têm se destacado como ferramentas promissoras para o desenvolvimento de sistemas de apoio ao diagnóstico médico. Este trabalho tem como objetivo implementar e avaliar modelos de aprendizado de máquina, com ênfase em Redes Neurais Convulsionais (CNNs), para prever o diagnóstico de câncer de pulmão a partir de um conjunto de dados open source disponibilizado na plataforma Kaggle. O estudo foi conduzido no ambiente Google Colab, utilizando a linguagem Python e bibliotecas como Pandas, NumPy Scikit-learn, Matplotlib, Seaborn e TensorFlow/Keras. O conjunto de dados analisado contém 309 registros de pacientes, compostos por atributos clínicos e comportamentais relacionados a fatores de risco e sintomas associados ao câncer de pulmão. As etapas metodológicas envolveram pré-processamento, análise exploratória, visualização gráfica e aplicação de cinco modelos de classificação: Regressão Logística, Naive Bayes Gaussiano, Floresta Aleatória, K-Vizinhos Mais próximos (KNN) e rede Neural Convolucional. Os resultados obtidos demonstraram desempenho expressivo dos modelos, com destaque para o KNN, que atingiu acurácia de 94,64%, e para a Rede Neural Convolucional, que alcançou 95,91% de acurácia no conjunto de treino e 91,07% na validação, apresentando curvas de aprendizado estáveis e sem indicativos de sobreajuste. A análise exploratória também permitiu identificar padrões relevantes, como a forte correlação entre tabagismo, tosse persistente, fadiga e falta de ar com diagnósticos positivos. Conclui-se que técnicas de aprendizado supervisionado, especialmente CNNs, apresentam grande potencial como ferramentas de apoio ao diagnóstico de câncer de pulmão, mesmo com bases tabulares e de tamanho reduzido. O trabalho destacado ainda a viabilidade de utilizar ferramentas e dados open source para o desenvolvimento de soluções acessíveis e reprodutíveis na área da saúde.