Num tempo em que a humanidade procura nas máquinas novas formas de enxergar o corpo, um grupo de pesquisadores da Unesp mostrou que um circuito de apenas quatro qubits, rodando em computadores comuns, conseguiu distinguir lesões mamárias benignas das malignas em cerca de nove de cada dez casos. A doença não foi escolhida por acaso: o câncer de mama continua sendo o que mais tira a vida de mulheres no Brasil, e cada detecção precoce carrega a esperança de uma cura mais simples. O resultado, porém, nasce de uma simulação, não de um processador quântico real, e isso lembra que a promessa ainda ca
Rede neural quântica da Unesp alcança 87,2% de acurácia na classificação de lesões mamárias
Quatro qubits, simulados em computador comum, chegaram a 87,2% de acurácia
Mark
Por que usar computação quântica num problema de diagnóstico por imagem?
Mimi
O estudo propõe a tecnologia como apoio ao diagnóstico precoce do câncer de mama, o tumor que mais mata mulheres no Brasil. A taxa é de 11,71 a cada 100 mil.
Mark
E como o modelo funciona?
Mimi
É uma rede híbrida, com camadas quânticas e clássicas, chamada QNN. Os pixels das imagens de mamografia e ultrassonografia são codificados nos qubits.
Luke
Antes de se empolgar: não houve processador quântico real. Foi uma simulação clássica de um circuito ideal, sem ruído.
Mimi
Exato, e o texto explica o motivo: há poucos dispositivos no mundo e todos são experimentais.
Mark
Então os 87,2% valem o quê?
Luke
Valem como resultado de teste do melhor caso, com 86,1% na validação. Mas a reportagem não compara com modelos clássicos nem informa o desempenho na outra base de dados.
Mimi
Ainda assim, o desempenho foi chamado de competitivo com só quatro qubits.
Luke
Competitivo segundo os autores. Não sabemos contra quem, nem como se sairia em hospitais, com ruído de hardware real.
Mark
E o futuro?
Mimi
Os autores veem uso em lesões cerebrais e em tecidos de microscopia, mas isso ainda é possibilidade, não resultado.
Le Pouls
- O câncer de mama segue como a principal causa de morte por tumor entre mulheres no Brasil, e cada erro no diagnóstico pesa diretamente sobre vidas.
- Pesquisadores da Unesp combinaram camadas quânticas e clássicas em uma rede neural híbrida, testada em mamografias e ultrassonografias.
- Com quatro qubits simulados em computador convencional, o modelo atingiu 87,2% de acurácia no teste, um desempenho que disputa espaço com métodos já estabelecidos.
- Ainda sem acesso a processadores quânticos reais, a equipe trabalha numa prova de conceito, e o salto para hardware verdadeiro depende de máquinas raras e experimentais.
Num tempo em que a humanidade procura nas máquinas novas formas de enxergar o corpo, um grupo de pesquisadores da Unesp mostrou que um circuito de apenas quatro qubits, rodando em computadores comuns, conseguiu distinguir lesões mamárias benignas das malignas em cerca de nove de cada dez casos. A doença não foi escolhida por acaso: o câncer de mama continua sendo o que mais tira a vida de mulheres no Brasil, e cada detecção precoce carrega a esperança de uma cura mais simples. O resultado, porém, nasce de uma simulação, não de um processador quântico real, e isso lembra que a promessa ainda caminha à frente da prática.
Um circuito de apenas quatro qubits, executado num computador comum, foi capaz de separar lesões mamárias benignas das malignas com 87,2% de acurácia. O trabalho é da Universidade Estadual Paulista, a Unesp, e foi divulgado pela Agência FAPESP. A motivação é direta: o câncer de mama é o tumor que mais mata mulheres no Brasil, com taxa de 11,71 óbitos por 100 mil. Quanto mais cedo a doença é identificada, maiores as chances de cura, e é nesse intervalo que a equipe busca reduzir falhas.
Os pesquisadores propuseram uma rede neural híbrida, que mistura camadas quânticas e clássicas, conhecida como quanvolutional neural network. Ela foi aplicada a mamografias e ultrassonografias, usando os pixels das imagens como informação codificada nos qubits. Os testes ocorreram em duas bases de dados, a BreastMNIST e a BCDR, e mesmo com um circuito tão pequeno o desempenho foi competitivo, chegando a 86,1% na validação.
O ponto que merece atenção é que nada disso rodou num processador quântico de verdade. A simulação clássica foi escolhida porque há poucos dispositivos quânticos disponíveis e todos ainda são experimentais. Os autores também sugerem que a arquitetura possa servir a lesões cerebrais e à análise de tecidos em microscopia, mas por ora o resultado é uma prova de conceito. O próximo passo, levar o método a máquinas reais, ainda não tem data.
Um circuito de apenas quatro qubits, simulado em um computador comum, foi suficiente para classificar lesões mamárias como benignas ou malignas com 87,2% de acurácia. É esse o resultado central de um estudo da Universidade Estadual Paulista, a Unesp, que propõe o uso da computação quântica como apoio ao diagnóstico precoce do câncer de mama. As informações foram divulgadas pela Agência FAPESP.
A escolha da doença não foi casual. O câncer de mama é o tumor que mais mata mulheres no Brasil, com taxa de mortalidade de 11,71 a cada 100 mil. Detectar sinais da doença cedo é fundamental para aumentar as chances de cura, e é nesse ponto que os pesquisadores buscam reduzir a possibilidade de falhas no diagnóstico.
No trabalho, os autores descrevem uma rede neural híbrida, que combina camadas quânticas com camadas clássicas. A abordagem é conhecida como "quanvolutional neural network", ou QNN. O modelo foi aplicado a imagens de mamografias e de ultrassonografias, com a tarefa de separar lesões benignas de malignas.
Um detalhe importa para quem lê o resultado: a equipe não usou um processador quântico de verdade. O experimento rodou em uma plataforma clássica, que reproduz o comportamento ideal de um circuito quântico, sem os ruídos do ambiente. Segundo o estudo, a decisão se deve ao fato de existirem poucos dispositivos quânticos no mundo e de todos ainda estarem em fase experimental.
No experimento, as informações codificadas nos qubits foram os pixels das imagens. O modelo foi testado em duas bases de dados: a BreastMNIST, composta por imagens de ultrassonografia, e a BCDR, com mamografias segmentadas. Mesmo com um circuito de somente quatro qubits, a rede híbrida teve desempenho competitivo. No melhor caso, chegou a 87,2% de acurácia no conjunto de teste e 86,1% no de validação.
Embora o foco tenha sido o câncer de mama, os autores ressaltam que a arquitetura pode ser aplicada em outras áreas. Entre os exemplos citados estão a análise de lesões cerebrais e a classificação de tecidos em imagens de microscopia.
Por ora, o que existe é uma prova de conceito feita em simulação. O passo seguinte, ainda não descrito no material divulgado, seria levar o método a dispositivos quânticos reais, algo limitado pela escassez e pelo caráter experimental dessas máquinas.
Citations marquantes
A arquitetura desenvolvida pode ser aplicada a outras áreas, como análise de lesões cerebrais e classificação de tecidos em microscopia.— Autores do estudo da Unesp, via Agência FAPESP (paráfrase)
Envie de l'histoire complète ?
Lire l'original sur Olhar Digital ↗
General News