Dentro brevemente
- Pesquisadores da Ingenii Inc desenvolveram uma estrutura quântica avançada para segmentação não supervisionada de imagens de câncer de mama que atinge precisão comparável aos métodos de última geração, ao mesmo tempo que reduz significativamente o tempo de computação.
- A estrutura usa recozimento quântico e outras técnicas de inspiração quântica para processar imagens dez vezes mais rápido do que os métodos clássicos, sem a necessidade de conjuntos de dados anotados.
- Este trabalho poderá levar a procedimentos mais simples para diagnosticar o cancro, reduzir custos e melhorar o acesso a imagens avançadas em ambientes com recursos limitados.
A equipe de pesquisa da Ingenii Inc desenvolveu uma estrutura quântica avançada para análise de imagens mamográficas, fornecendo uma alternativa eficiente e precisa aos métodos tradicionais. Esta nova abordagem pode melhorar a detecção do câncer de mama e, ao mesmo tempo, reduzir o custo e o tempo associados às revisões por radiologistas.
O novo método, publicado no servidor de pré-impressão ArXiv, utiliza princípios de computação quântica para transformar automaticamente a classificação das imagens mamográficas, um passo fundamental na detecção de lesões anormais. Ao contrário das técnicas existentes que dependem de grandes conjuntos de dados anotados e lutam para generalizá-los, a estrutura proposta funciona de maneira não supervisionada e atinge desempenho comparável aos modelos supervisionados de última geração. O estudo descobriu que o recozimento quântico – uma técnica de otimização quântica – superou os métodos tradicionais em termos de velocidade e estabilidade, processando imagens dez vezes mais rápido sem comprometer a precisão.
Os pesquisadores – Laia Domingo e Mahdi Chehimi – escreveram no artigo: “Nossa análise comparativa revelou que métodos quânticos e de inspiração quântica, especialmente recozimento quântico e VQAs, ganharam desempenho em comparação com métodos clássicos como Gurobi, até mesmo modelos supervisionados avançados como à medida que U-Net e ResUNet foram implementados. Surpreendentemente, esses métodos quânticos funcionam.
de forma não supervisionada, porém foram capazes de fornecer classificações de máscaras de alta fidelidade, mostrando seu potencial como alternativas robustas quando os dados rotulados são escassos ou indisponíveis. “
Economizando tempo, salvando vidas?
Este desenvolvimento mantém a promessa de enfrentar desafios significativos no diagnóstico do câncer de mama. Ao reduzir a dependência de conjuntos de dados anotados, a estrutura reduz as barreiras à implementação em ambientes clínicos com poucos recursos.
A economia de tempo alcançada pelo recozimento quântico pode acelerar o diagnóstico e o tratamento e, especialmente no diagnóstico do câncer, onde a velocidade e a precisão são importantes, o método pode melhorar os resultados dos pacientes. Os pesquisadores prevêem aplicações futuras que se estendam a outras modalidades de imagem, como mamografia 3D ou scanners de ressonância magnética, expandindo o escopo das imagens médicas com aprimoramento quântico.
Métodos
A abordagem da equipe começa com a manipulação de imagens mamográficas de inspiração quântica para destacar regiões de interesse. Essas imagens são então analisadas por meio de um procedimento conhecido como Quadratic Unconstrained Binary Optimization (QUBO), que torna a tarefa de segmentação um problema de maximizar o contraste entre o tumor e as regiões de fundo, garantindo a segmentação dos segmentos adjacentes. A estrutura inclui recozimento quântico e circuitos quânticos variacionais, que usam seu poder computacional para produzir resultados semelhantes aos modelos supervisionados de aprendizagem profunda, como o U-Net, sem a necessidade de conjuntos de dados rotulados.
O estudo comparou métodos quânticos com outros clássicos, incluindo modelos supervisionados e não supervisionados. Os resultados mostraram que os métodos quânticos avançados se aproximam da precisão dos modelos supervisionados, ao mesmo tempo que superam os métodos clássicos não supervisionados, como o limiar de Otsu. Por exemplo, o modelo de recozimento quântico alcançou uma pontuação Dice – uma métrica de precisão – em comparação com o U-Net, o principal modelo de rede neural, apesar de não exigir treinamento prévio. Os tempos de execução do recozimento quântico foram uma ordem de grandeza mais curtos que os do software de otimização clássico, demonstrando sua eficiência.
Limitações e direções futuras
Ainda há trabalho a ser feito, segundo a equipe. As implementações atuais da estrutura estão limitadas a imagens de baixa resolução (42 × 42 pixels), um limite necessário para compatibilidade com o hardware quântico disponível. Diversos circuitos quânticos, outra área de pesquisa, também requerem extensos recursos computacionais, tornando seu desempenho dependente do desenvolvimento da tecnologia quântica.
A investigação futura poderia concentrar-se no aumento da estrutura para resoluções mais elevadas e na exploração de mecanismos de raciocínio mais complexos. Os pesquisadores também pretendem integrar métodos baseados em redes tensores para lidar com dados de alta dimensão de forma eficiente e aplicar seus algoritmos a hardware quântico emergente para reduzir ainda mais as demandas computacionais.
Quantum na Saúde do Futuro
Este estudo mostra como os cientistas do futuro podem usar a computação quântica na área da saúde. A capacidade única dos algoritmos quânticos de resolver problemas de otimização os posiciona rapidamente como importantes parceiros tecnológicos em imagens médicas. Embora o campo ainda esteja na sua infância, a equipa mostrou que as técnicas de inspiração quântica podem complementar as tecnologias existentes, abrindo caminho para a sua eventual integração na prática clínica.
À medida que o hardware quântico continua a amadurecer, as aplicações devem evoluir juntamente com melhorias.
ArXiv é um servidor de pré-impressão, o que significa que a pesquisa ainda não foi formalmente revisada por pares. Os cientistas costumam usar servidores pré-impressos para feedback não estruturado de pares. Este artigo é altamente técnico e pode fornecer aos leitores mais profundidade em ciência e tecnologia do que este resumo pode fornecer. Por favor, leia o artigo aqui.
