Classificação de Tumores de Mama com Algoritmos de Aprendizado de Máquina: uma Comparação entre Orange e Python

O trabalho apresenta uma comparação entre dois ambientes de aprendizado de máquina, a ferramenta visual Orange e a linguagem Python com a biblioteca scikit-learn, aplicados ao problema de classificação de tumores de mama como benignos ou malignos. O conjunto de dados utilizado é o Breast Cancer Wisconsin (Original), disponível no repositório UCI, composto por 699 amostras clínicas descritas por nove atributos numéricos relacionados a propriedades celulares, como espessura do aglomerado, uniformidade das células e mitoses. Os 16 valores ausentes na variável Bare Nuclei foram tratados por substituição pela mediana. O estudo foi conduzido em duas etapas. Na primeira, o Orange foi empregado como ponto de entrada mais acessível ao aprendizado de máquina, permitindo montar fluxos de análise de forma visual e sem escrita de código. Na segunda etapa, os mesmos cinco algoritmos foram implementados em Python: KNN, SVM, Árvore de Decisão, Regressão Logística e Perceptron Multicamadas (MLP). Verificou-se que, com hiperparâmetros padrão, os resultados das duas plataformas eram idênticos, pois o Orange utiliza internamente o scikit-learn. A diferença entre os ambientes ficou evidente quando se explorou o GridSearchCV, recurso de busca automática de hiperparâmetros com validação cruzada estratificada de 10 partições, disponível apenas no Python. Os dados foram divididos em 80% para treino e 20% para teste em ambas as etapas. Com as configurações padrão, SVM e MLP lideraram com acurácia de 95,71% e F1-score de 93,75%. Após a busca em grade, Regressão Logística e MLP passaram a apresentar os melhores resultados, ambos com acurácia de 96,43% e F1-score de 94,85%, enquanto o SVM manteve seu desempenho anterior. O KNN e a Árvore de Decisão obtiveram resultados mais modestos em ambas as configurações, embora a Árvore de Decisão tenha alcançado sensibilidade de 95,83% após o ajuste de hiperparâmetros. Os autores concluem que a abordagem progressiva, começando pelo Orange e avançando para Python, mostrou-se pedagogicamente eficaz no contexto do PIBIC-EM, programa de Iniciação Científica voltado ao Ensino Médio. O Orange facilita a compreensão intuitiva das etapas de análise de dados, enquanto o Python aprofunda os conceitos e expõe vantagens práticas do uso de bibliotecas de pesquisa. O trabalho contribui tanto para discussões sobre diagnóstico assistido de tumores quanto para iniciativas de ensino de Ciência de Dados na Educação Básica.