Cientistas da UFRJ trabalham em sistema que agiliza diagn\u00f3stico de pacientes v\u00edtimas da COVID-19 em estado grave<\/p>\n\n\n\n
Pesquisadores do Instituto Alberto Luiz Coimbra de P\u00f3s-Gradua\u00e7\u00e3o e Pesquisa de Engenharia (Coppe) da UFRJ est\u00e3o trabalhando em um sistema que usa intelig\u00eancia artificial para tornar mais r\u00e1pidos e eficazes o diagn\u00f3stico e a triagem de pacientes v\u00edtimas da COVID-19 em estado grave.<\/p>\n\n\n\n
O sistema usa t\u00e9cnicas de processamento de imagens e reconhecimento de padr\u00f5es para interpreta\u00e7\u00e3o de exames m\u00e9dicos, sobretudo radiol\u00f3gicos. O objetivo \u00e9 apoiar o m\u00e9dico na tomada de decis\u00f5es, inclusive no atendimento a dist\u00e2ncia. O sistema \u00e9 aberto e ser\u00e1 disponibilizado de gra\u00e7a ao Sistema \u00danico de Sa\u00fade (SUS).<\/p>\n\n\n\n
A ferramenta gera uma pontua\u00e7\u00e3o de diagn\u00f3stico e uma estimativa da gravidade da doen\u00e7a. Ela permitir\u00e1 uma avalia\u00e7\u00e3o r\u00e1pida das imagens, ajudando o m\u00e9dico a planejar o encaminhamento do paciente para o tratamento, bem como auxiliar\u00e1 o plano e gest\u00e3o de leitos do sistema de sa\u00fade.<\/p>\n\n\n\n
Coordenado pelo professor Jos\u00e9 Manoel de Seixas, o projeto conta com uma equipe interdisciplinar que inclui tamb\u00e9m pesquisadores da Faculdade de Medicina da UFRJ, do Instituto de Medicina Social (\u00e1rea de Sa\u00fade Coletiva) da Universidade do Estado do Rio de Janeiro (Uerj), da Universidade Federal de Lavras (Ufla) e de quatro startups <\/em>oriundas da Coppe.<\/p>\n\n\n\n Segundo Seixas, em um pa\u00eds com dimens\u00f5es continentais como o Brasil, um sistema de telemedicina de apoio ao diagn\u00f3stico permite antecipar o tratamento de pacientes potencialmente graves, aumentando a chance de sobreviv\u00eancia e melhorando o gerenciamento do sistema de sa\u00fade e a otimiza\u00e7\u00e3o de leitos.<\/p>\n\n\n\n A infec\u00e7\u00e3o causada pelo novo coronav\u00edrus gera, frequentemente, um quadro muito agressivo no aparelho respirat\u00f3rio das v\u00edtimas. As interna\u00e7\u00f5es por S\u00edndrome Respirat\u00f3ria Aguda Grave (SRAG) sextuplicaram nas 18 primeiras semanas epidemiol\u00f3gicas de 2020 em rela\u00e7\u00e3o ao mesmo per\u00edodo de 2019.<\/p>\n\n\n\n \u201cA an\u00e1lise cl\u00ednica pulmonar \u00e9 um dos itens mais importantes na triagem e diagn\u00f3stico da doen\u00e7a, um elemento central do atendimento por telemedicina. O padr\u00e3o de infec\u00e7\u00e3o pulmonar pela COVID-19 \u00e9 diferente de outras afec\u00e7\u00f5es do sistema respirat\u00f3rio. Por isso, a an\u00e1lise por radiografia, tomografia computadorizada ou ultrassonografia \u00e9 desafiadora, ainda mais se considerarmos outras poss\u00edveis doen\u00e7as a que o paciente se exp\u00f4s ao longo da vida e que dizem respeito ao aparelho respirat\u00f3rio (pneumonia, tuberculose), que deixam cicatrizes que devem ser consideradas nas an\u00e1lises das imagens\u201d, afirma Seixas.<\/p><\/blockquote>\n\n\n\n No processamento de sinais relativos a exames de imagens, a intelig\u00eancia artificial, sobretudo o machine learning <\/em>(aprendizado de m\u00e1quina) profundo, tem apresentado resultados relevantes.<\/p>\n\n\n\n O modelo usado pelos pesquisadores da UFRJ \u00e9 de redes neurais do tipo\u00a0Convolutional Neural Networks<\/em>\u00a0(CNN). Camadas de convolu\u00e7\u00e3o (representa\u00e7\u00e3o matem\u00e1tica) s\u00e3o criadas para possibilitar uma concep\u00e7\u00e3o abstrata de dados, seguidas de camadas densas de processamento para gerar classifica\u00e7\u00e3o precisa e sutil. Todos os dados dispon\u00edveis de pacientes (dados experimentais) s\u00e3o utilizados para avaliar a adequa\u00e7\u00e3o do modelo. Como as ferramentas de intelig\u00eancia computacional se apoiam nos dados dispon\u00edveis, a qualidade desses dados tem import\u00e2ncia fundamental. Fonte: UFRJ<\/p>\n","protected":false},"excerpt":{"rendered":" Cientistas da UFRJ trabalham em sistema que agiliza diagn\u00f3stico de pacientes v\u00edtimas da COVID-19 em<\/p>\n","protected":false},"author":2,"featured_media":1177,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[16],"tags":[],"class_list":["post-1176","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-colunistas"],"_links":{"self":[{"href":"https:\/\/tvc16.com\/portal\/wp-json\/wp\/v2\/posts\/1176","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/tvc16.com\/portal\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/tvc16.com\/portal\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/tvc16.com\/portal\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/tvc16.com\/portal\/wp-json\/wp\/v2\/comments?post=1176"}],"version-history":[{"count":1,"href":"https:\/\/tvc16.com\/portal\/wp-json\/wp\/v2\/posts\/1176\/revisions"}],"predecessor-version":[{"id":1178,"href":"https:\/\/tvc16.com\/portal\/wp-json\/wp\/v2\/posts\/1176\/revisions\/1178"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/tvc16.com\/portal\/wp-json\/wp\/v2\/media\/1177"}],"wp:attachment":[{"href":"https:\/\/tvc16.com\/portal\/wp-json\/wp\/v2\/media?parent=1176"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/tvc16.com\/portal\/wp-json\/wp\/v2\/categories?post=1176"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/tvc16.com\/portal\/wp-json\/wp\/v2\/tags?post=1176"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
Quadro agressivo<\/strong><\/h4>\n\n\n\nAprendizado profundo com conhecimento especialista<\/strong><\/h4>\n\n\n\n
\u201cPor isso, \u00e9 importante o acesso a uma base p\u00fablica ampla de laudos que permitam identificar diferentes diagn\u00f3sticos de doen\u00e7as pulmonares para transferir o conhecimento adquirido por meio de um sistema de informa\u00e7\u00f5es que facilite a triagem e diagn\u00f3stico da COVID-19. Utilizando mapas auto-organiz\u00e1veis (self-organizing maps<\/em>), redes neurais populares em aprendizado de m\u00e1quina, o software permite que um paciente que chegue para triagem ou diagn\u00f3stico possa ser associado, por similaridade, com pacientes j\u00e1 conhecidos e o seu risco seja avaliado em tr\u00eas n\u00edveis: baixo, m\u00e9dio e alto\u201d, explica Seixas.
Os conjuntos de dados que d\u00e3o suporte ao trabalho ser\u00e3o espec\u00edficos de pacientes com suspeita de infec\u00e7\u00e3o por coronav\u00edrus e de dados p\u00fablicos que se encontram dispon\u00edveis para os pesquisadores deste projeto, como o\u00a0National Institutes of Health<\/em>\u00a0(NIH), nos Estados Unidos, que possuem 112.120 imagens de radiografia do t\u00f3rax com 15 classes de diagn\u00f3stico.
\u201cComo acontece com qualquer t\u00e9cnica de\u00a0machine learning<\/em>, o aprendizado profundo ganha ainda mais poder de processamento quando \u00e9 combinado com o conhecimento especialista, que pode direcionar o treinamento, otimizando o que realmente est\u00e1 em jogo na tarefa de triagem e diagn\u00f3stico\u201d, conclui o professor.<\/p>\n\n\n\n