Pesquisadores da Unicamp desenvolveram um software de inteligência artificial (IA) capaz de identificar automaticamente os lobos dos pulmões em exames de tomografia , mesmo quando eles estão comprometidos por doenças graves, como Covid-19, pneumonia e câncer.
Batizada de LobePrior, a tecnologia foi criada por equipes da Faculdade de Engenharia Elétrica e de Computação (FEEC) e da Faculdade de Ciências Médicas (FCM) da universidade. O estudo foi publicado neste ano na revista científica Scientific Reports, do grupo Nature.
Segundo os pesquisadores, a ferramenta pode tornar as análises mais rápidas, precisas e padronizadas, reduzindo a necessidade de estimativas visuais feitas pelos especialistas.
O software consegue fazer essa quantificação em segundos ou minutos, com reprodutibilidade superior à análise manual. Professor Sérgio San Juan Dertkigil, diretor do setor de Radiologia do Hospital de Clínicas da Unicamp
Como a tecnologia funciona
Os pulmões são divididos em cinco lobos, separados por estruturas conhecidas como fissuras pulmonares. Identificar exatamente quais regiões foram atingidas por uma doença é essencial para definir o tratamento, planejar cirurgias e acompanhar a evolução do paciente.
O problema é que, em casos mais graves, essas fissuras podem ficar praticamente invisíveis nas imagens de tomografia por causa das lesões.
Para superar essa dificuldade, o LobePrior trabalha em três etapas. Primeiro, localiza aproximadamente cada lobo pulmonar. Depois, analisa cada região em alta resolução. Por fim, compara as informações com um modelo anatômico probabilístico, permitindo identificar corretamente as estruturas mesmo quando estão deformadas pela doença.
Além disso, os pesquisadores criaram lesões artificiais em tomografias de pulmões saudáveis para ampliar o treinamento da inteligência artificial e melhorar o desempenho do algoritmo em situações mais complexas.
Desempenho superior em casos graves
Durante a pandemia, avaliar o comprometimento dos pulmões era uma das principais formas de medir a gravidade da Covid-19. Em muitos hospitais, essa análise dependia exclusivamente da experiência do radiologista.
Nos testes realizados com quatro bancos independentes de imagens, o LobePrior alcançou até 97% de concordância com as marcações feitas manualmente por especialistas em pacientes com Covid-19 grave, desempenho superior ao de outros métodos descritos na literatura científica.
Segundo a equipe da Unicamp, a tecnologia substitui avaliações subjetivas por medições quantitativas e reproduzíveis, tornando os resultados mais consistentes.
Banco de imagens foi criado durante a pandemia
O desenvolvimento do software começou a partir de um amplo banco de tomografias reunido pelo Hospital de Clínicas da Unicamp entre abril e outubro de 2020, durante o período mais crítico da pandemia.
As imagens foram anonimizadas, aprovadas pelo Comitê de Ética e utilizadas na pesquisa de doutorado do engenheiro Jean Antonio Ribeiro, responsável pelo desenvolvimento do algoritmo.
Além dos exames de pacientes com Covid-19, também foram analisadas tomografias de pessoas com câncer de pulmão, em parceria com radiologistas da Unicamp e da Faculdade São Leopoldo Mandic.
Não tem algoritmo bom sem dado bom. Esse dado passou por horas e horas de anotação manual com a ajuda dos médicos. O humano está na entrada e está na saída. A parte do meio é o algoritmo. Professora Letícia Rittner, orientadora da pesquisa
Próximo passo é validar o uso na rotina médica
O código do LobePrior foi disponibilizado gratuitamente pelo Laboratório de Imagem Médica por Computação (MICLab) da Unicamp para que outros pesquisadores possam aperfeiçoar a tecnologia.
Antes de ser utilizado na rotina do Sistema Único de Saúde (SUS), porém, o software ainda precisa passar por novas validações em diferentes hospitais e obter aprovação da Agência Nacional de Vigilância Sanitária (Anvisa).
Para os pesquisadores, uma das aplicações mais promissoras é acelerar programas de rastreamento do câncer de pulmão, permitindo diagnósticos mais rápidos e aumentando as chances de detectar a doença em estágios iniciais.
A gente enxerga essa tecnologia como um acelerador muito grande de diagnóstico. Isso possibilitaria destravar programas de rastreamento de câncer de pulmão e fazer diagnósticos muito mais precoces. Professor Sérgio San Juan Dertkigil, diretor do setor de Radiologia do Hospital de Clínicas da Unicamp