A previsão e análise precisas da doença oncológica desempenham um papel crucial na melhoria dos resultados dos pacientes e no planeamento do tratamento. Nesta dissertação, o modelo para a previsão e análise do cancro usando algoritmos de aprendizagem profunda, especificamente Redes Neuronais Artificiais (RNA) e Redes Neuronais Convolucionais (CNN), com a utilização de imagens PET/CT. O sistema visa melhorar a precisão e a eficiência do diagnóstico do cancro e fornece informações valiosas para as decisões relativas ao tratamento. O sistema tira partido do poder dos modelos de aprendizagem profunda, conhecidos por fornecerem informações valiosas sobre o metabolismo do cancro e as estruturas anatómicas. Ao treinar modelos CNN num grande conjunto de dados de imagens PET/CT anotadas, o sistema pode aprender a reconhecer padrões e caraterísticas indicativos de regiões cancerosas. Para avaliar a precisão do sistema, são utilizadas métricas de desempenho como a Intersecção sobre a União (IoU) e a medida F. A IoU mede a sobreposição entre as regiões cancerígenas previstas e as anotações do terreno, enquanto a F-measure avalia o equilíbrio entre a precisão e a recuperação das previsões. Estas métricas fornecem medidas quantitativas do desempenho do sistema.