UFPE desenvolve método de baixo custo e não invasivo para agilizar diagnóstico da Covid-19

O método permite a distinção rápida de casos de Covid-19 e pneumonia com base em imagens radiológicas
Pesquisadores da UFPE desenvolveram um método para agilizar o diagnóstico da Covid-19 através de imagens radiológicas. Com o auxílio de modelos de Inteligência Artificial (IA), os autores construíram modelos de redes neurais convolucionais (CNN) para, a partir de imagens de raios-X de tórax, distinguir uma pessoa saudável de uma pessoa com pneumonia ou Covid-19.
Foram usados seis diferentes bancos de dados com imagens de raios-X de tórax disponíveis em repositórios abertos para diferenciar os quadros de Covid-19 e pneumonia. O estudo foi realizado por pesquisadores do Centro de Estudos e Ensaios em Risco e Modelagem Ambiental da Universidade Federal de Pernambuco (Ceerma-UFPE). Caio Souto Maior, João Mateus Santana, Isis Didier Lins e Márcio das Chagas Moura assinam a pesquisa.
Nela, segundo a professora Isis Lins, os autores tiveram o cuidado de utilizar imagens de pessoas saudáveis, com pneumonia e com Covid-19, provenientes de múltiplas bases, tanto no treinamento, quanto no teste da CNN, e os resultados foram bastante satisfatórios. “Obtivemos precisão balanceada de 97.0%, ou seja, de cada 100 imagens identificadas pelo modelo, como de indivíduos com Covid-19, 97 estão corretamente associadas a pessoas doentes", explica.
Como a doença ainda é recente e a quantidade de dados sobre ela é limitada, os estudiosos receiam que a presença da Covid-19 ainda não seja completamente confirmada com o uso do modelo. "Pelo reduzido número de bases de dados públicas no âmbito da Covid-19, muitos trabalhos usam, na construção dos modelos de aprendizagem de máquina, uma base para pessoas saudáveis e outra para pacientes com Covid-19, o que pode direcioná-los para detectar bases e não características intrínsecas à doença. Assim, a capacidade desses modelos de distinguir presença ou ausência de aspectos específicos concernentes à Covid-19 é posta em xeque, apesar dos altos desempenhos que vêm sendo reportados", informou a professora Isis Lins. A pesquisadora também afirmou que “os modelos desenvolvidos podem apoiar o diagnóstico clínico da nova doença de maneira rápida, uma vez que, após o treinamento, eles requerem menos de um segundo para avaliar uma imagem. Além disso, são meios de apoio a diagnóstico não invasivos e de baixo custo”.
O estudo indica que os modelos podem ser usados para auxiliar a seleção e a priorização de pacientes em unidades de saúde e hospitais lotados. “Os modelos fornecidos neste trabalho podem ser uma alternativa para aumentar o número de indivíduos testados para Covid-19, e essa abordagem também tem valor em telerradiologia, pois um método de apoio a diagnóstico baseado em dados integrado a um sistema de telessaúde classifica rapidamente as imagens radiológicas, o que é especialmente útil com doenças altamente transmissíveis”, confirmou Isis.
Os pesquisadores também desenvolveram um web app, COviX – Covid-19 visual map in X-ray, para visualização das imagens de raio-X com destaque nas regiões que mais contribuíram para a classificação sugerida pela CNN. O aplicativo será registrado no Instituto Nacional da Propriedade Industrial (INPI) por intermédio da Diretoria de Inovação e Empreendedorismo da UFPE.