Solução baseada em IA apoia diagnóstico para Covid-19
A Visibilia, empresa especializada em soluções baseadas em Inteligência Artificial, está lançando um sistema que utiliza esta tecnologia para contribuir com as equipes médicas para o diagnóstico preciso da Covid-19. O FADCIL (Fully Automatic Detection of Covid-19 cases in medical Images of the Lung), visa garantir aos especialistas da saúde informações seguras, melhorar seu desempenho na detecção da doença e permitir o melhor direcionamento para o seu tratamento.
O projeto foi um dos selecionados pelo IdeiaGov, hub de inovação que traz soluções de mercado e da sociedade para enfrentar os desafios do Governo do Estado de São Paulo.
De acordo com Jorge Valverde-Rebaza, fundador e diretor de operações da empresa, com o surgimento da crise causada pela pandemia da Covid-19, a empresa passou a concentrar esforços para encontrar formas de utilizar a tecnologia para minimizar as dificuldades no setor da saúde. “Foram levantadas hipóteses de readequação dos projetos da Visibilia, criação de novos protótipos, ou contribuição com soluções em produção. Alguns desses projetos entraram inclusive em fase de iniciação e planejamento”, conta o executivo.
A solução é capaz de identificar automaticamente casos de Covid-19 por meio de imagens médicas pré-processadas pelo próprio sistema, de acordo com a categoria pertinente – se tomografia computadorizada ou radiografia. Desse pré-processamento, é obtido um conjunto de features específicas, que servem de entrada a uma série de redes neurais profundas, previamente treinadas e organizadas. Cada rede neural gera um pré-diagnóstico, determinando a presença ou ausência de covid-19, assim como as lesões que a doença possa ter causado no paciente.
Depois disso, as redes neurais entram em um processo de brainstorming de pré-diagnósticos para gerar o diagnóstico – este último é acompanhado de uma série de indicadores que justificam ao médico as conclusões do sistema. Com isso, o médico é capaz de analisar e entregar seu diagnóstico final diretamente ao paciente.
Para imagens de radiografia, a tecnologia tem uma PR-AUC de 87 a 95%, enquanto para imagens de tomografias computadorizadas, ele alcança uma PR-AUC de 89 a 95%. A PR-AUC (precision-recall area under the curve) é a medida de avaliação padrão para análise de desempenho de algoritmos de aprendizado. Quanto maior o valor da PR-AUC, melhor.
“No caso do FADCIL, os altos valores de PR-AUC refletem sua alta capacidade em identificar adequadamente tanto falsos positivos (pacientes que aparentam ter covid-19, mas que, na verdade, têm outra doença, quanto falsos negativos (pacientes que aparentam não ter covid-19, mas que de fato têm a doença). Assim, podemos dizer que a plataforma da Visibilia não apenas entrega diagnósticos precisos, mas também confiáveis”, esclarece o diretor.
Outro benefício mencionado por ele é a identificação das regiões do pulmão que apresentam lesões. O FADCIL destaca esses locais com curvas que se ajustam aos contornos da lesão. Esse benefício é possível apenas para imagens de tomografias computadorizadas devido ao volume e tipo de dados que se pode obter com o exame. Uma terceira vantagem mensurável é o tempo de processamento, já que a solução precisa de 2 a 4 segundos para processar imagens de radiografias e de 10 a 20 segundos para imagens de tomografias computadorizadas.
Além disso, a ferramenta possui capacidade de aprendizado contínuo, baixa taxa de recusas de imagens médicas comprometidas por serem tiradas com desenquadre ou desfocadas (comum em ambientes clínicos com alto estresse) e entrega de relatórios em vários formatos. De acordo com, Gabriel Humpire, líder do projeto FADCIL, uma das causas das imagens comprometidas é causada pelo movimento do paciente no tomógrafo, ou seja, acontece do mesmo jeito quando uma pessoa fica se mexendo enquanto estão tirando uma foto. “Outra causa, também observada é a anatomia do paciente, quando ele apresentar tumores ou similares”, acrescenta
