Cientistas da UFPR treinam Inteligência Artificial para apoiar diagnóstico de AVC

Pesquisadores do curso de Medicina da Universidade Federal do Paraná (UFPR) estão desenvolvendo um algoritmo capaz de identificar a probabilidade de existir um acidente vascular encefálico em tomografias de crânio. A ferramenta auxiliará o médico clínico na conclusão de um diagnóstico mais preciso de forma mais rápida. Nos casos de derrame cerebral, a agilidade é extremamente valiosa, pois o tempo entre o surgimento dos sintomas e o tratamento da doença é um fator determinante para sequelas e para o prognóstico do paciente.

De acordo com a literatura, acidentes vasculares encefálicos são a terceira maior causa de morte no mundo. O distúrbio é provocado por uma alteração de irrigação sanguínea em uma porção do cérebro e sua evolução depende de uma série de fatores como tempo de falta de fornecimento sanguíneo, área acometida e comorbidades. O diagnóstico é feito pela correlação entre os sinais clínicos do paciente e seu exame de tomografia computadorizada de crânio. Para interpretar o exame de imagem, o clínico deve ser capaz de delimitar a região afetada de outras regiões saudáveis.

A tecnologia elaborada pelos pesquisadores do Campus Toledo da UFPR funcionará a partir de uma rede neural criada em linguagem de programação e treinada para o reconhecimento de casos da doença em tomografias de crânio. Para isso, os especialistas estão ensinando essa inteligência artificial por meio de banco de imagens coletadas em uma clínica de radiologia.

“Serão apresentadas aproximadamente seis mil imagens à rede neural e, ao fim do treinamento, o modelo fornecerá dados sobre sua precisão, sensibilidade e acurácia”, esclarece Kleber Fernando Pereira, professor do curso de Medicina que atua na área da anatomia. 

Segundo Pereira, o diagnóstico de acidente vascular encefálico por meio de imagens tomográficas pode ser desafiador para o médico devido à dificuldade de diferenciar as estruturas lesionadas de processos anatômicos normais.

“As redes neurais podem servir como auxílio para o diagnóstico, já que utilizam como base para seus cálculos dados extraídos de milhares de outras imagens médicas”. 

Padrões nas imagens

Por meio de uma rede neural convolucional, algoritmo de inteligência artificial que utiliza uma série de neurônios virtuais amplamente interconectados entre si, é possível treinar uma máquina a classificar e a detectar padrões em imagens de forma rápida e automática. Os pesquisadores da UFPR estão utilizando o banco de dados de um centro de radiologia situado no município de Toledo, no Paraná, para realizar a classificação com auxílio de um médico radiologista. 

Serão identificadas estruturas e anormalidades nos exames que, na sequência, serão rotuladas em computador em quatro possibilidades: Acidente Vascular Encefálico (AVE) antigo, AVE novo, não se aplica (traumas, artefatos, tumores, malformações) e dúvida. As dúvidas serão sanadas mensalmente por meio de videoconferência com um médico radiologista voluntário.

Todas as imagens estão acompanhadas de laudo médico oficial para a consulta. Ao final do treinamento, a rede neural emitirá gráficos e tabelas esclarecendo sua sensibilidade e acurácia. “Espera-se que a ferramenta retorne uma acurácia superior a 80% no diagnóstico de acidente vascular encefálico”, estima Pereira. 

Redução de sequelas e mortalidade 

Rodrigo Azzolini, estudante Medicina e um dos integrantes do projeto, afirma que a tecnologia possivelmente aumentará a precisão do médico, que poderá contar com mais um recurso para ancorar seu diagnóstico, além de diminuir o tempo necessário para que ele chegue a uma conclusão assertiva. “Isso consequentemente agiliza o manejo do paciente, sendo potencialmente benéfico, já que um menor intervalo de tempo melhora significativamente o prognóstico e reduz sequelas, impactando na mortalidade”. 

A programação da rede neural deve ser encerrada em janeiro de 2022, em seguida, entre fevereiro e maio de 2022, será feito o treinamento com os dados coletados. A previsão de finalização do projeto é julho do ano que vem. (As informações são do portal Ciência da UFPR / Por Jéssica Tokarski)

Damos valor à sua privacidade

Nós e os nossos parceiros armazenamos ou acedemos a informações dos dispositivos, tais como cookies, e processamos dados pessoais, tais como identificadores exclusivos e informações padrão enviadas pelos dispositivos, para as finalidades descritas abaixo. Poderá clicar para consentir o processamento por nossa parte e pela parte dos nossos parceiros para tais finalidades. Em alternativa, poderá clicar para recusar o consentimento, ou aceder a informações mais pormenorizadas e alterar as suas preferências antes de dar consentimento. As suas preferências serão aplicadas apenas a este website.

Cookies estritamente necessários

Estes cookies são necessários para que o website funcione e não podem ser desligados nos nossos sistemas. Normalmente, eles só são configurados em resposta a ações levadas a cabo por si e que correspondem a uma solicitação de serviços, tais como definir as suas preferências de privacidade, iniciar sessão ou preencher formulários. Pode configurar o seu navegador para bloquear ou alertá-lo(a) sobre esses cookies, mas algumas partes do website não funcionarão. Estes cookies não armazenam qualquer informação pessoal identificável.

Cookies de desempenho

Estes cookies permitem-nos contar visitas e fontes de tráfego, para que possamos medir e melhorar o desempenho do nosso website. Eles ajudam-nos a saber quais são as páginas mais e menos populares e a ver como os visitantes se movimentam pelo website. Todas as informações recolhidas por estes cookies são agregadas e, por conseguinte, anónimas. Se não permitir estes cookies, não saberemos quando visitou o nosso site.

Cookies de funcionalidade

Estes cookies permitem que o site forneça uma funcionalidade e personalização melhoradas. Podem ser estabelecidos por nós ou por fornecedores externos cujos serviços adicionámos às nossas páginas. Se não permitir estes cookies algumas destas funcionalidades, ou mesmo todas, podem não atuar corretamente.

Cookies de publicidade

Estes cookies podem ser estabelecidos através do nosso site pelos nossos parceiros de publicidade. Podem ser usados por essas empresas para construir um perfil sobre os seus interesses e mostrar-lhe anúncios relevantes em outros websites. Eles não armazenam diretamente informações pessoais, mas são baseados na identificação exclusiva do seu navegador e dispositivo de internet. Se não permitir estes cookies, terá menos publicidade direcionada.

Visite as nossas páginas de Políticas de privacidade e Termos e condições.

Importante: A Medicina S/A usa cookies para personalizar conteúdo e anúncios, para melhorar sua experiência em nosso site. Ao continuar, você aceitará o uso. Veja nossa Política de Privacidade.