Covid-19: aprendizagem profunda pode tornar diagnóstico por raios-X “fiável”

Investigação centrou-se na utilização da inteligência artificial e da aprendizagem profunda no diagnóstico complementar da covid-19 por raios-X.

Foto
Apesar de a covid-19 ter sido o principal “foco” do estudo, os investigadores pretendem agora “estendê-lo” a outras patologias ESTELA SILVA/LUSA

Investigadores do Instituto de Engenharia de Sistemas e Computadores, Tecnologia e Ciência (Inesc Tec), no Porto, concluíram que a aprendizagem profunda pode tornar “mais rápido e fiável” o diagnóstico por raios-X de manifestações graves da covid-19, foi anunciado esta segunda-feira.

Em comunicado, o instituto do Porto afirma que a investigação, publicada na revista Scientific Reports, centrou-se na utilização da inteligência artificial e da aprendizagem profunda no diagnóstico complementar por raio-X da covid-19. “A pandemia da covid-19 veio revolucionar os sistemas de saúde de todo o mundo e a sua velocidade de propagação tornou fundamental o diagnóstico e uma detecção precoce de manifestações mais graves da doença”, observa o Inesc Tec, acrescentando que os raios-X ao tórax se tornaram uma das metodologias mais utilizadas de diagnóstico.

Desenvolvido no âmbito do projecto TAMI (de Transparent Artificial Medical Intelligence)​, do programa Carnegie Mellon Portugal, o estudo tentou perceber “de que forma é que a aprendizagem profunda pode ser colocada ao serviço do diagnóstico médico”. A aprendizagem profunda é um ramo da aprendizagem computacional que visa dotar o computador da capacidade de aprender e executar tarefas similares às dos humanos, como por exemplo a identificação de imagens, reconhecimento de voz ou realização de prognósticos.

Citado no comunicado, Aurélio Campilho, investigador do Inesc Tec, salienta que desde o início da pandemia “houve um grande esforço por parte da comunidade científica em propor novas abordagens de apoio ao diagnóstico médico”. “O que o nosso estudo veio mostrar foi que a aplicação destes algoritmos num ambiente clínico é bastante mais complexa do que o esperado”, nota o investigador, afirmando que, juntamente com a Administração Regional de Saúde do Norte (ARS-Norte), foi possível identificar os principais desafios na aplicação destas ferramentas.

Além da identificação dos principais desafios, a investigação concluiu que a distinção entre a covid-19 e outras patologias através de raios-X é “uma tarefa realmente difícil e subjectiva, até para radiologistas experientes”. No entanto, os investigadores destacam que o desempenho dos algoritmos de aprendizagem profunda pode ser melhorado se estes aprenderem directamente com os radiologistas, “identificando de forma mais clara os sinais radiológicos” e tornando mais “rápido e fiável” o diagnostico por raios-X de manifestações graves da covid-19.

Apesar de a covid-19 ter sido o principal “foco” do estudo, os investigadores pretendem agora “estendê-lo” a outras patologias identificadas através de raios-X. “O nosso objectivo é desenvolver um sistema que permita identificá-las [outras doenças] de modo automático. Uma ferramenta deste tipo seria extremamente útil para ajudar radiologistas, técnicos e médicos menos experientes na interpretação de raio-X”, afirma Aurélio Campilho.

A investigação foi desenvolvida ao abrigo do projecto TAMI que pretende colocar a inteligência artificial ao serviço do sector da saúde, através do desenvolvimento de ferramentas de apoio à decisão de modo a auxiliar a decisão médica, em particular, no cancro cervical, doenças pulmonares e doenças oculares.

Sugerir correcção
Comentar