Acessibilidade  
Central de Atendimento ao Aluno Contatos oficiais Área do aluno
Vestibular Inverno

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.



Vinícius Purgato
30 de julho de 2021