TCC de Engenharia de Computação usa tecnologia para ajudar no diagnóstico de pneumonia

Trabalho de aluno da PUC-Campinas resulta em ferramenta que facilita a leitura de radiografias de tórax

*Por Patrícia Mariuzzo

A pneumonia é uma inflamação dos pulmões cujos sintomas mais comuns são tosse, dor no peito, febre, dificuldade para respirar. A causa é geralmente uma infecção com bactérias ou vírus, incluindo a covid-19. A despeito dos avanços no diagnóstico e tratamento, um número significativo de pessoas perde a vida por complicações da pneumonia, especialmente em países subdesenvolvimento e em desenvolvimento, incluindo o Brasil.

Segundo o DATASUS, que coleta informações sobre o Sistema Único de Saúde (SUS), em 2019, houve mais de 630 mil hospitalizações devidas à pneumonia, com mais de 60 mortes e custos de aproximadamente US$ 2 milhões para o SUS. O diagnóstico é feito por meio de exame clínico e auscultação dos pulmões. As radiografias de tórax são recursos complementares que ajudam os médicos a determinar se o paciente tem ou não a doença. No entanto, a interpretação do exame radiológico não é trivial, podendo gerar erros e adiar o tratamento correto, comprometendo a recuperação do paciente.

Com objetivo de criar uma ferramenta que facilite a leitura dos exames de raio x de tórax para diagnóstico pneumonia, Vinicius Trevisan, em seu trabalho de conclusão do curso de Engenharia de Computação da PUC-Campinas, desenvolveu o xRayAid. O projeto foi orientado pela diretora do curso, professora Daniele Uchoa Rodrigues, e pelo professor Edmar Rezende. “Minha principal motivação foi a de desenvolver uma ferramenta capaz de unificar a computação à medicina, ajudando os profissionais da área da saúde no diagnóstico de pneumonia, principalmente os recém-formados”, contou Vinícius, que concluiu seu curso na PUC em 2020. Os resultados da pesquisa foram apresentados em junho deste ano no Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS).

O sistema funciona basicamente classificando radiografias utilizando inteligência artificial e aprendizado de máquina. Foi utilizado a arquitetura de rede neural que permite fazer recortes das imagens, considerando somente áreas de interesse. “O xRayAid recebe a radiografia em formato PNG ou JPEG, faz uma classificação, gerando uma probabilidade da existência de pneumonia, e, por último, gera o mapa de calor (GradCAM) apontando a possível região afetada pela patologia na radiografia. Quanto mais forte e amarela a cor da região, maior a probabilidade de o paciente apresentar a doença”, explicou o ex-aluno da PUC.

Os resultados mostraram que o xRayAid pode prever e detectar as possíveis regiões de pneumonia em imagens de raios-X, atuando como uma ferramenta auxiliar para os médicos diagnosticarem a doença. Os testes realizados na ferramenta (que utilizaram uma métrica que mede a área sobre a curva ROC ou Receiver Operating Characteristic) resultaram em uma precisão de 87,9% de acertos no diagnóstico. “Para avaliar quão bem o sistema consegue diferenciar radiografias com e sem pneumonia, adotamos que mostrou que em 87,0% dos casos a análise estava correta”, contou Vinicius.

Para facilitar o uso do sistema, Vinícius também desenvolveu um aplicativo Web que serve como uma interface para o usuário. No aplicativo, que possui sistema de registro, é possível fazer as análises das radiografias de tórax, consultar histórico de classificações e fazer buscas. “Tanto ao final de uma nova consulta ao sistema ou ao selecionar uma análise anterior, uma página de visualização é carregada, possibilitando ao usuário visualizar duas imagens lado a lado. À esquerda aparece a imagem originalmente enviada e à direita, a imagem classificada. O usuário pode aplicar filtros para melhorar o contraste em ambas as imagens”, detalhou Vinícius. Além disso, segundo ele, a página traz como resultado a probabilidade de pneumonia no paciente e ainda dois campos de texto para anotações e feedbacks relacionados à classificação exibida.

A elaboração do sistema contou com o conjunto de dados disponibilizado pela Sociedade Radiológica da América do Norte. “Eu pretendo aprimorar o modelo de inteligência artificial do xRayAid a partir dos dados das anotações e feedbacks inseridos na etapa de visualização e da inclusão de mais exemplos de radiografias”, contou Vinicius. Além disso, o sistema será testado com imagens de covid-19 para analisar os resultados obtidos.