Daniela Ushizima é Staff Scientist/Data Scientist/Team Leader do Computational Research Division, Berkeley Lab e Berkeley Institute of Data Science, UC Berkeley. No PUBTechSF@Berkeley, ela vai apresentar o trabalho “The Center for Recognition and Inspection of Cells (CRIC) e o Sistema Único de Saúde Brasileiro”.
Para participar do PUBTechSF@Berkeley no dia 19 de setembro de 2018, inscreva-se aqui: https://pubtechsf-berkeley-2018.eventbrite.com
The Center for Recognition and Inspection of Cells (CRIC) e o Sistema Único de Saúde Brasileiro
O câncer do colo do útero é a segunda causa de morte por câncer entre mulheres de 20 a 39 anos, então é óbvia a necessidade de melhorar as taxas de rastreamento nessa faixa etária, além de aumentar a aceitação e acesso à vacinação contra o papilomavírus humano. Cerca de 8.000 mulheres brasileiras morrem a cada ano, onde o câncer do colo do útero é o terceiro tipo de câncer mais comum entre as mulheres em idade de trabalho. Embora esses números sejam assustadores, uma equipe destemida, liderada por quatro mulheres, decidiu investigar e quantificar as imagens do exame de Papanicolau, a fim de melhorar a análise das células dentro do sistema público de saúde. O sonho começou com a constatação de que a detecção precoce de lesões pré-cancerosas de testes de Papanicolau salvou vidas por décadas, mas a quantificação microscópica adequada das propriedades das células cervicais permanece restrita a poucas mulheres. A razão para tais limitações é o protocolo de análise: historicamente, a triagem de uma lâmina de Papanicolau e a busca por padrões celulares anormais dependem da visão dos citopatologistas. Essa dependência da inspeção manual dificulta a capacidade dos programas de saúde pública a atender ao crescimento populacional, particularmente quando se usa o exame de Papanicolaou como exame de saúde do colo do útero. Em uma parceria entre a BIDS, o Berkeley Lab e o Ciência sem Fronteiras (Cnpq), a equipe tem criado vários protótipos de software e artigos científicas abordando suas descobertas. Essa iniciativa também é responsável pela formação de pessoal altamente especializado, somando mais de 20 alunos que participaram do projeto, com 3 deles hospedados pelo BIDS, sendo Daniel Ferreira (doutorando) a mais recente chegada.
Daniela Ushizima is a Staff Scientist at Berkeley Lab. and a Data Scientist at the Berkeley Institute for Data Science at UC Berkeley. Her research focuses on algorithms for computer vision, pattern recognition, and quantitative microscopy, designed to understand data coming from scientific investigations that involve experimental and observational image acquisition. As part of her DOE Early Career Award, Ushizima has applied machine learning to diverse scientific domains reliant on digital pictures, ranging from biomedical micrographies to geological materials and composites, e.g. micro-tomography of materials with applications to aviation. As a co-investigator in Image Analysis/Machine Vision for the Center for Advanced Mathematics for Energy Related Applications (CAMERA), she has worked with professionals from several domains and mentored scientists from multiple countries. Her team latest accomplishment is the development of a computer system to search image collections using a picture, a concept known as content-based image retrieval using neural networks.
