UEM: Inteligência Artificial confiabilidade maior na detecção de covid-19 por raios X
Além de selecionar a região do pulmão, o grupo usou técnicas bem atuais de IA para identificar quais partes das imagens mais impactaram nos resultados, podendo avaliar com mais precisão em que medida eles fazem sentido em uma perspectiva clínica

19/10/2020


Pesquisadores da UEM e de outras instituições avaliam como reconhecimento de padrões contribui na identificação da doença

 

Esta é a 17ª Semana Nacional de Ciência e Tecnologia, que traz como tema a inteligência artificial (IA). Por isso, hoje (19) e quinta-feira (22) apresentamos duas reportagens sobre as contribuições da aplicação da IA no cotidiano. Esta primeira aborda como um grupo de pesquisadores da Universidade Estadual de Maringá (UEM) e de outras instituições está focado, desde o início da pandemia, em explorar técnicas para avaliar a confiabilidade da identificação da covid-19, a partir da análise automatizada de raios X.

Em abril, o grupo publicou um artigo científico internacional com os primeiros resultados, que tratavam sobre identificação da pneumonia causada pela covid-19 com utilização de banco de imagens de radiografias de tórax. À época, a taxa de identificação chegou a 89%. Agora, o grupo propõe uma abordagem mais rigorosa, visando aumentar a confiabilidade dos resultados.

Yandre Maldonado e Gomes da Costa, professor do Departamento de Informática (DIN) e do Programa de Pós-Graduação em Ciência da Computação da UEM, fala que uma das estratégias é realizar o isolamento da região dos pulmões nas imagens dos raios X, tornando os resultados mais confiáveis do ponto de vista clínico. “Desta forma, é possível garantir que o sistema tomou as decisões, de fato, com base em conteúdos relacionados às partes do pulmão”, aponta o docente.

Radiografia original (à esquerda), sistema inteligente de segmentação da imagem (centro) e resultado obtido

 

Além de selecionar a região do pulmão, o grupo usou técnicas bem atuais de IA para identificar quais partes das imagens mais impactaram nos resultados, podendo avaliar com mais precisão em que medida eles fazem sentido em uma perspectiva clínica. “Essa análise contribui significativamente no sentido de tentar encontrar uma boa explicação para os resultados obtidos, em busca de um melhor entendimento dos resultados alcançados por sistemas inteligentes”, explica Costa.

Essa abordagem proposta pelo estudo pode ser útil para criar mais evidências para apoio ao diagnóstico médico. "Todos os píxeis [píxel é cada elemento indivisível da imagem] contribuem para a representação computacional da imagem. Então, se retirarmos partes não importantes a representação ficará mais fiel para a classe que queremos identificar; nesse caso, a covid-19", justifica Lucas de Oliveira Teixeira, professor do DIN-UEM e primeiro autor do trabalho.

Teixeira e Costa contam que o reconhecimento de padrões, usado nessa pesquisa, é uma vertente que aplica técnicas de aprendizagem de máquina para classificar objetos de interesse em uma série de categorias. Tais objetos podem ser imagens, áudios, textos ou outro tipo de informação. Uma estratégia muito conhecida para dar ao computador a capacidade de classificar imagens de forma automática baseia-se em técnicas de aprendizagem supervisionada. “Mostramos muitos exemplos para o sistema, informando a ele qual é a categoria a que cada exemplo pertence, para que ele aprenda a reconhecer os padrões presentes em cada uma delas”, finaliza Costa, que pesquisa reconhecimento de padrões há mais de dez anos.

 

Artigo científico

Mapa de calor identifica regiões de uma radiografia que mais impactaram nos resultados

O artigo científico mais atual do grupo, Impact of lung segmentation on the diagnosis and explanation of COVID-19 in chest X-ray images (Impacto da segmentação da região do pulmão no diagnóstico e na explicação de covid-19 em imagens de raios X de tórax), está na arXiv, a plataforma de divulgação científica da Universidade Cornell (EUA). Também foi submetido à revista acadêmica Computerized Medical Imaging and Graphics, da qual aguarda aprovação. Além de Teixeira e Costa, da UEM, há autoria de pesquisadores das universidades de Pádua (Itália), Federal do Paraná (UFPR), Tecnológica Federal do Paraná (UTFPR) – do câmpus de Campo Mourão – e do Instituto Federal do Paraná (IFPR) – do câmpus de Pinhais.

Fonte: ASC/UEM


Periódico Registrado em 04/09/2018 no Cartório de Registro de Títulos e Documentos e no Registro Civil de Pessoas Jurídicas de Maringá.
Protocolado e digitalizado sob nº 491.574 e matriculado no livro "B" sob nº 51.
Desenvolvido e mantido por Logicomp Co.