Quando o imunologista Helder Nakaya visitou o Instituto Evandro Chagas, em Belém (PA), em 2017, havia uma comoção porque um dos melhores microscopistas da entidade estava se aposentando à época. Com isso, grande parte daquele conhecimento que permitia identificar rapidamente e com precisão cepas do protozoário Leishmania se perderia. “Fiquei intrigado achando um desperdício perder toda a expertise acumulada por décadas. Foi aí que começamos a pesquisar e tentar treinar o computador com a sabedoria do profissional para atuar na identificação de microrganismos e com baixo custo”, explica Nakaya, à Agência Fapesp. Cinco anos depois, um grupo de pesquisadores sob a coordenação de Nakaya e do cientista Mauro César Cafundó de Morais publicou o resultado de um estudo mostrando que é possível usar inteligência artificial para detectar o Trypanosoma cruzi, protozoário causador da doença de Chagas, em imagens de amostras de sangue obtidas com celular e analisadas em microscópio óptico. O algoritmo desenvolvido pelo grupo está disponível em artigo publicado sexta-feira na revista científica PeerJ. A pesquisa recebeu apoio da Fapesp e reuniu profissionais de várias áreas, desde biologia até matemática e computação.
“Conseguimos um bom resultado de aprendizagem da máquina. Tendo o algoritmo funcionado bem para doença de Chagas, ele poderá ser adaptado para outros propósitos que dependam de imagens, como análise de amostras de fezes, dermatologia e colposcopia”, diz Nakaya, que é pesquisador do Hospital Israelita Albert Einstein, da Plataforma Científica Pasteur-USP, do Instituto Todos pela Saúde e do Centro de Pesquisa em Doenças Inflamatórias (CRID). Uma forma de diagnóstico da doença de Chagas é feita por microscopistas treinados que detectam os parasitas em amostras de sangue. Para isso, é preciso um microscópio profissional, que pode ser acoplado a uma câmera de alta resolução, mas isso muitas vezes deixa o método caro e de difícil acesso para pessoas de baixa renda. Classificada pela Organização Mundial da Saúde (OMS) como uma das doenças tropicais negligenciadas (DTNs), a de Chagas é considerada uma condição infecciosa crônica, cuja prevenção está ligada ao modo de transmissão, ou seja, ao controle do inseto barbeiro. Isso demanda resposta das redes de atenção à saúde. Endêmica em 21 países das Américas, a infecção pelo Trypanosoma cruzi afeta aproximadamente 6 milhões de pessoas, com incidência anual de 30 mil casos novos na região, levando, em média, a 14 mil mortes por ano. Além disso, estima-se que cerca de 70 milhões de pessoas vivam em áreas de exposição ao barbeiro e corram o risco de contrair a doença. No Brasil, mesmo com a tendência de queda das taxas de mortalidade, houve uma média de 4 mil óbitos a cada ano decorrentes da doença na última década.
‘Ensinando’ a máquina:
Os pesquisadores desenvolveram uma abordagem de aprendizado do computador baseada na chamada random forest (floresta aleatória, em tradução livre), criando um algoritmo para detecção e contagem de tripomastigotas do Trypanosoma cruzi em imagens obtidas com a câmera de telefone celular. Os tripomastigotas são a forma morfológica do protozoário presente na fase extracelular e encontrada no sangue de pacientes com a doença aguda. Foram analisadas micrografias de amostras de esfregaço de sangue registradas em imagens com uma resolução de 12 megapixels. Foi extraído um conjunto de parâmetros morfométricos (forma e tamanho), cor e medições de textura de 1 314 parasitas.
Os resultados de precisão foram considerados altos – ficaram em 87,6%. Com isso, o grupo conseguiu automatizar a análise de imagens adquiridas com um dispositivo móvel, obtendo uma alternativa para reduzir custos e aumentar a eficiência no uso do microscópio óptico. “A ideia é gerar imagem e analisá-la em microscópio que possa ser enviado a lugares remotos do Brasil para o próprio aplicativo dizer se é ou não doença de Chagas. Por isso é importante termos também um microscópio robusto e de baixo custo que possa automaticamente coletar as imagens”, complementa Nakaya. Segundo o pesquisador, a proposta é deixar o algoritmo aberto para que a comunidade científica contribua com outros dados e recursos. *Este conteúdo foi produzido pela Agência FAPESP.
