Uma abordagem híbrida de deep learning que integra CNN e transformer para classificação do câncer de pulmão em tomografias

Por que esta pesquisa importa para pacientes e familiares

O câncer de pulmão está entre os tipos mais letais no mundo, em grande parte porque frequentemente é detectado tardiamente. Este estudo investiga como visão computacional avançada pode ajudar médicos a interpretar tomografias de pulmão com mais precisão e consistência, de modo que áreas suspeitas no pulmão sejam sinalizadas mais cedo e com menos erros, potencialmente favorecendo decisões clínicas mais rápidas e melhor informadas.

Vendo dentro do tórax com olhos digitais

Os médicos costumam usar tomografias para procurar pequenos crescimentos nos pulmões que podem indicar câncer. Esses crescimentos, chamados nódulos, podem ser muito pequenos e sutis, especialmente nos estágios iniciais da doença. Tecido pulmonar normal, nódulos inofensivos e tumores perigosos podem parecer surpreendentemente semelhantes, mesmo para especialistas experientes. Pequenas variações na qualidade da imagem, no tecido de fundo ou no ruído do exame podem tornar a distinção ainda mais difícil. Por isso, alguns cânceres são perdidos, enquanto outros achados geram alarmes falsos que levam a exames adicionais desnecessários.

Ensinando computadores a identificar padrões em tomografias

Os pesquisadores projetaram um sistema de deep learning, chamado C-Swin, para ajudar a classificar imagens de tomografia de pulmão em três categorias: normal, benigno (não canceroso) e maligno (canceroso). Sistemas de deep learning aprendem diretamente a partir de grandes quantidades de imagens de exemplo, em vez de depender de regras manuais. O C-Swin combina duas ideias poderosas. Um tipo de rede neural conhecido como rede convolucional (CNN) foca em detalhes finos como bordas, texturas e pequenas formas que revelam a estrutura de um nódulo. Ao mesmo tempo, um módulo transformer, inspirado em ferramentas usadas em tradução de linguagem, observa a imagem de forma mais ampla, considerando como diferentes regiões se relacionam ao longo de todo o pulmão.

Focando no que realmente importa na imagem

Para aproveitar melhor as tomografias, a equipe introduziu um mecanismo especial de atenção que ajuda o modelo a concentrar-se em áreas relevantes enquanto ignora distrações de fundo. A imagem de TC é dividida em pequenos blocos ou janelas. Dentro dessas janelas, o modelo aprende quais áreas carregam as informações mais úteis para julgar se o tecido é saudável ou não. Ao deslocar e combinar janelas em direções diferentes, a rede preserva relações entre regiões vizinhas e captura tanto detalhes próximos quanto estruturas de maior alcance nos pulmões. Um componente adicional de gating ajuda o sistema a enfatizar padrões sutis, mas importantes, e suprimir sinais menos úteis, refinando a forma como o modelo distingue nódulos inofensivos dos perigosos.

Colocando o sistema à prova

Os autores treinaram e avaliaram o C-Swin usando um conjunto de tomografias de acesso público, coletado em hospitais iraquianos, que inclui imagens de pulmões saudáveis, nódulos benignos e casos malignos. Como conjuntos médicos costumam ser pequenos, eles ampliaram o conjunto de treinamento usando aumento de dados, como espelhamento e rotação das imagens, para simular uma variedade maior de exames. Após pré-processamento e treinamento cuidadosos, o modelo classificou corretamente as imagens com uma acurácia de cerca de 96% e alcançou pontuações igualmente altas de precisão, recall e F1-score, métricas que equilibram cânceres perdidos e alarmes falsos. Em testes repetidos com diferentes divisões dos dados, os resultados se mantiveram estáveis, e verificações estatísticas mostraram que o C-Swin teve desempenho significativamente melhor do que várias abordagens existentes de deep learning.

O que isso pode significar para o cuidado futuro

Embora este estudo não substitua o julgamento de um radiologista, ele demonstra que uma combinação bem projetada de análise local e global da imagem pode ajudar computadores a focar nas mesmas regiões pulmonares que os especialistas consideram mais importantes. Visualizações Grad-CAM, que destacam as áreas da imagem que influenciam as decisões do modelo, sugerem que o C-Swin tende a se concentrar nas regiões de lesão em vez de em fundos irrelevantes. Os autores observam que o trabalho se baseia em um único conjunto de dados relativamente pequeno, portanto testes mais amplos em hospitais diferentes e em aparelhos distintos ainda são necessários. Se validados em coleções maiores e mais diversas de exames, esses sistemas podem tornar-se assistentes úteis na sala de leitura, ajudando clínicos a priorizar casos, reduzir falhas e potencialmente apoiar a detecção mais precoce do câncer de pulmão.

Citação: Yousafzai, S.N., Nasir, I.M., Mansour, S. et al. A hybrid deep learning approach integrating CNN and transformer for lung cancer classification using CT scans. Sci Rep 16, 15420 (2026). https://doi.org/10.1038/s41598-026-41161-7

Palavras-chave: câncer de pulmão, imagem por TC, deep learning, IA médica, classificação de imagens