Redes neurais convolucionais para a eficácia do primeiro diagnóstico de HPV em Piura 2025

Resumo

O presente trabalho de pesquisa desenvolveu um aplicativo móvel que integra o modelo MobileNet V2 para detectar lesões causadas pelo Papilomavírus Humano (HPV), contribuindo para o ODS 9, focado em construir infraestruturas resilientes, promover a industrialização sustentável e fomentar a inovação. O objetivo foi avaliar a eficácia de uma rede neural convolucional (CNN) como ferramenta de apoio na primeira fase do diagnóstico. Foi utilizada uma abordagem mista com desenho experimental, orientada para medir o nível de eficácia de uma CNN pré-treinada para o diagnóstico inicial do HPV. O modelo MobileNet V2 foi adaptado por meio de transfer learning e otimizado com técnicas de regularização como dropout, fine-tuning, entre outras. A eficácia foi determinada por meio de métricas de desempenho: precisão (98,63%), sensibilidade (100%), especificidade (97,33%), VPP (97,26%), VPN (100%) e F1-Score (98,60%). O treinamento foi determinante, pois o uso de estratégias de regularização permitiu que o modelo extraísse características relevantes para a identificação de lesões. Embora o período de teste tenha sido curto, os resultados foram promissores em um ambiente clínico simulado. Em conclusão, a CNN provou ser uma ferramenta válida de apoio diagnóstico, abrindo caminho para o uso da inteligência artificial na detecção precoce de doenças.