Pesquisadores da Universidade Estadual Paulista (Unesp) desenvolveram um modelo de inteligência artificial que combina técnicas quânticas e clássicas para auxiliar na identificação precoce do câncer de mama, principal causa de morte por tumores entre mulheres no Brasil.
A equipe adotou uma quanvolutional neural network (QNN), estrutura híbrida que integra camadas quânticas e tradicionais. O sistema foi treinado para classificar imagens de mamografias e ultrassonografias como lesões benignas ou malignas.
Como o modelo foi construído
Em vez de um processador quântico real — ainda raro e em fase experimental — os cientistas utilizaram uma plataforma clássica capaz de simular circuitos quânticos sem interferências externas. Os pixels das imagens foram codificados em quatro qubits, quantidade considerada suficiente para alcançar resultados promissores.
Resultados obtidos
O algoritmo foi testado em duas bases de dados: BreastMNIST (ultrassonografias) e BCDR (mamografias segmentadas). A acurácia chegou a 87,2% no conjunto de teste e a 86,1% no de validação, desempenho classificado pelos autores como competitivo para detecção precoce do tumor.
Contexto e aplicações futuras
Segundo o estudo, a preocupação com o câncer de mama se justifica: a taxa de mortalidade no Brasil é de 11,71 óbitos por 100 mil mulheres. Os pesquisadores destacam, porém, que a arquitetura pode ser adaptada para outras finalidades médicas, como análise de lesões cerebrais e classificação de tecidos em imagens de microscopia.
Imagem: Ebrahim Lotfi
Com os resultados, o grupo da Unesp demonstra o potencial da computação quântica em processos diagnósticos, mesmo sem acesso a hardware quântico especializado.
Com informações de Olhar Digital