Coppe lidera projeto de Inteligência Artificial para diagnóstico de Covid-19

Pesquisadores da Coppe/UFRJ estão trabalhando em um sistema que utiliza Inteligência Artificial para tornar mais rápida e eficaz a triagem e diagnóstico de pacientes vítimas da Covid-19 em estado grave. O sistema, que incorpora técnicas de processamento de imagens e reconhecimento de padrões para interpretação de exames médicos, sobretudo radiológicos, tem como objetivo apoiar o médico na tomada de decisão, inclusive no atendimento à distância. Aberto e reproduzível, o sistema será disponibilizado gratuitamente ao Sistema Único de Saúde (SUS).

O novo sistema, em software, gera um escore de diagnóstico e uma estimativa da gravidade da doença. Ele permitirá uma avaliação rápida das imagens, apoiando o médico na decisão do encaminhamento do paciente para o tratamento, bem como auxiliará o planejamento e gerenciamento de leitos do sistema de saúde.

Coordenado pelo professor do Programa de Engenharia Elétrica da Coppe/UFRJ, José Manoel de Seixas, o projeto conta com uma equipe interdisciplinar que inclui também pesquisadores da Faculdade de Medicina da UFRJ, do Instituto de Medicina Social (área de Saúde Coletiva) da Universidade do Estado do Rio de Janeiro, da Universidade Federal de Lavras e de quatro startups oriundas da Coppe.

Segundo Seixas, em um país com dimensões continentais como o Brasil, um sistema de telemedicina de apoio ao diagnóstico permite antecipar o tratamento de pacientes potencialmente graves, aumentando a chance de sobrevivência, bem como melhorando o gerenciamento do sistema de saúde e a otimização de leitos.

A infecção causada pelo SARS-CoV2 gera, frequentemente, um quadro muito agressivo no aparelho respiratório das vítimas, cuja doença se manifesta com gravidade. As internações por Síndrome Respiratória Aguda Grave (SRAG) cresceram 606% nas primeiras 18 semanas epidemiológicas de 2020, em relação ao mesmo período de 2019.

“A análise clínica pulmonar é um dos itens mais importantes na triagem e diagnóstico da doença. Um elemento central do atendimento por telemedicina. O padrão de infecção pulmonar pela Covid-19 é diferente de outras afecções do sistema respiratório. Por isso, a análise por radiografia, tomografia computadorizada ou ultrassonografia é desafiadora, ainda mais se considerarmos outras possíveis doenças a que o paciente se expôs ao longo da vida e que dizem respeito ao aparelho respiratório (pneumonia, tuberculose), que deixam cicatrizes que devem ser consideradas nas análises das imagens”, destaca o professor da Coppe.

O projeto conta com financiamento da Capes, que engloba R$ 100 mil para custeio, duas bolsas de mestrado, quatro de doutorado e três de pós-doutorado.

Sistema associa aprendizado profundo com conhecimento especialista

No processamento de sinais relativos a exames de imagens, a Inteligência Artificial, sobretudo o machine learning (aprendizado de máquina) profundo, tem apresentado resultados relevantes. O modelo usado pelos pesquisadores da Coppe é de redes neurais do tipo Convolutional Neural Networks (CNN). Camadas de convolução (representação matemática) são criadas para possibilitar uma concepção abstrata de dados, seguidas de camadas densas de processamento para gerar classificação precisa e sutil. Todos os dados disponíveis de pacientes (dados experimentais) são utilizados para avaliar a adequação do modelo. Como as ferramentas de inteligência computacional se apoiam nos dados disponíveis, a qualidade destes dados tem importância fundamental.

“Por isso, é importante o acesso a uma base pública ampla de laudos que permitam identificar diferentes diagnósticos de doenças pulmonares para transferir o conhecimento adquirido por meio de um sistema de informações que facilite a triagem e diagnóstico da Covid-19. Utilizando mapas auto-organizáveis (self-organizing maps), redes neurais populares em aprendizado de máquina, o software permite que um paciente que chegue para triagem ou diagnóstico possa ser associado, por similaridade, com pacientes já conhecidos, e o seu risco seja avaliado em três níveis: baixo, médio e alto”, explica Seixas.

Os conjuntos de dados que dão suporte ao trabalho serão específicos de pacientes com suspeita de infecção por coronavírus, e de dados públicos que se encontram disponíveis para os pesquisadores deste projeto, como o National Institutes of Health (NIH), nos EUA, que possuem 112.120 imagens de radiografia do tórax com 15 classes de diagnóstico.

“Como acontece com qualquer técnica de machine learning, o aprendizado profundo ganha ainda mais poder de processamento quando é combinado com o conhecimento especialista, que pode direcionar o treinamento, otimizando o que realmente está em jogo na tarefa de triagem e diagnóstico”, conclui o professor.