O rápido e devastador surto de Covid-19 gerou para a ciência o desafio global de desenvolver novos testes de diagnóstico, medicamentos e vacinas para enfrentar este problema de saúde pública. Foi pensando em somar esforços para amenizar a situação que professores e pesquisadores do Centro de Estudos e Ensaios em Risco e Modelagem Ambiental (Ceerma-UFPE) Caio Souto Maior, João Mateus Santana, Isis Didier Lins e Márcio das Chagas Moura utilizaram modelos de Inteligência Artificial (IA) para o desenvolvimento de um método de apoio ao diagnóstico da Covid-19 com base em imagens radiológicas. Especificamente, os autores construíram modelos de redes neurais convolucionais (CNN) para, a partir de imagens de raios-X de tórax, distinguir uma pessoa saudável de uma pessoa com pneumonia ou Covid-19. As CNNs – do inglês convolutional neural networks ou ConvNet – são uma classe de rede neural artificial do tipo feed-forward, que vem sendo aplicada com sucesso no processamento e análise de imagens digitais.
Os pesquisadores combinaram seis diferentes bancos de dados com imagens de raios-X de tórax disponíveis em repositórios abertos para diferenciar os quadros de Covid-19 e pneumonia, daquelas de imagens “sem achados”. Segundo os autores do estudo, publicado no artigo “Convolutional neural network model based on radiological images to support Covid-19 diagnosis: Evaluating database biases”, como a doença é recente, a disponibilidade de imagens radiológicas é limitada e os métodos que consideram poucas bases de dados para treinar um modelo CNN podem inflar incorretamente os resultados. A pesquisa também avalia e discute como os modelos de IA podem ser enviesados, a depender da forma como as imagens são organizadas.
Nesta pesquisa, segundo a professora Isis Lins, os autores tiveram o cuidado de utilizar imagens de pessoas saudáveis, com pneumonia e com Covid-19, provenientes de múltiplas bases, tanto no treinamento, quanto no teste da CNN, e os resultados foram bastante satisfatórios. “Obtivemos precisão balanceada de 97.0%, ou seja, de cada 100 imagens identificadas pelo modelo, como de indivíduos com Covid-19, 97 estão corretamente associadas a pessoas doentes”, explica.
Clique aqui para ler a reportagem completa da ASCOM – UFPE.
Fonte: ASCOM – UFPE.
Nenhum comentário