Inteligência artificial desenvolvida na Unicamp mapeia danos da Covid-19 em pulmões infectados

Aplicando inteligência artificial a imagens obtidas por meio de tomografia computadorizada, pesquisadores do Laboratório de Computação de Imagens Médicas da Unicamp, em Campinas (SP), conseguiram mapear com precisão os danos da Covid-19 nos pulmões de pacientes infectados.

A pesquisadora Letícia Rittner, professora da Faculdade de Engenharia Elétrica e de Computação, explica que o método começou a ser desenvolvido em 2020, no ápice da pandemia, a fim de possibilitar o acompanhamento da evolução da doença com mais exatidão.

“Os médicos tinham necessidade de estimar quão comprometido o pulmão estava e acompanhar se a pessoa estava melhorando ou piorando. Para que isso acontecesse, existe uma necessidade de você, a partir de uma tomografia, medir a área comprometida. Isso até então era feito visualmente. O médico olhava e dizia ‘isso é leve, isso é severo’, de uma forma subjetiva, sem um número”, afirma.

Frente a imagens obtidas por meio de tomografia computadorizada, a inteligência artificial desenvolvida pelos pesquisadores foi treinada para separar a imagem do pulmão do restante do corpo. A partir disso, o algoritmo encontra e sinaliza as partes não saudáveis do órgão.

“As regiões ‘borradas’ na imagem são as que estão comprometidas por conta de doenças. A Covid é uma delas, mas a pneumonia e outras doenças respiratórias às vezes têm efeito parecido. O método encontra essas regiões, delimita as bordas e consegue dar um número preciso dizendo, por exemplo, que 82% do pulmão está comprometido”, diz a professora.

Entrada principal da Faculdade de Engenharia Elétrica e de Computação da Unicamp — Foto: João Bosco R. do Val/FEEC Unicamp

Treinamento intensivo

Para que a inteligência artificial aprendesse a diferença entre pulmões saudáveis e infectados, os pesquisadores realizaram um treinamento que consistiu na apresentação de diversas imagens de exemplo ao algoritmo, permitindo a identificação do perímetro do órgão.

A partir desse aprendizado, o método passou identificar as “bordas” dos pulmões e, na sequência, calcular automaticamente o volume de áreas afetadas considerando a quantidade de pixels em cada imagem.

“No começo o nosso método se saía muito bem nas imagens do nosso hospital, mas não no conjunto de dados vindos de outro hospital. Levou um tempo para fazermos o método funcionar em diferentes contextos, imagens e equipamentos de tomografia de diferentes países. Para isso, ele foi treinado em imagens do mundo todo”, explica a pesquisadora.

A pesquisa foi desenvolvida pelo aluno Diedre Santos do Carmo sob orientação, além de Rittner, do pesquisador Roberto de Alencar Lotufo. Recentemente, Carmo foi aos Estados Unidos e passou seis meses estudando a aplicação do método em pacientes na Universidade de Iowa.

Membros da equipe médica com trajes de proteção e máscaras faciais fazem raio-X do pulmão de paciente em Unidade de Terapia Intensiva (UTI), em um hospital de campanha criado para tratar pacientes com coronavírus (COVID-19) — Foto: Amanda Perobelli/Reuters

Aplicações futuras

Em Iowa, o aluno utilizou a inteligência artificial com um novo propósito: acompanhar os efeitos da Covid longa, condição em que os sintomas da doença persistem por mais de três meses após a infecção, segundo a Organização Mundial da Saúde (OMS).

Os resultados relacionados ao estudo ainda são preliminares e requerem confirmação e investigação mais detalhada por outros grupos de pesquisa, mas indicam um nível menor de acometimento dos pulmões entre pacientes vacinados contra o coronavírus.

Atualmente, o método está disponível na internet para uso de pesquisadores. Em relação à aplicação na rede pública de saúde, Letícia Rittner explica que, no momento, questões tecnológicas – como a existência de computadores adequados nas unidades de atendimento – são o maior impeditivo para a ampla utilização do recurso.

“Em um primeiro momento, já sendo usado para pesquisa, o método já traz bastante ganho porque os pesquisadores ainda estão estudando efeitos como a Covid longa e outras questões pulmonares, e a nossa ferramenta permite que pesquisadores testem suas hipóteses”, ressalta.

*g1 / Foto: Diedre Carmo/Arquivo