Ir direto para menu de acessibilidade.

Opções de acessibilidade

ptenfrites
Início do conteúdo da página
Últimas notícias

Docente utiliza IA para diagnóstico da Covid-19

Pesquisa irá verificar a viabilidade de produzir roteiro de apoio no diagnóstico de pacientes 

  • Publicado: Terça, 15 de Junho de 2021, 13h54
  • Última atualização em Sexta, 18 de Junho de 2021, 11h11

Quando a pandemia da Covid-19 chegou ao Brasil, Alexandra Aparecida de Souza, docente do curso de Tecnologia em Análise e Desenvolvimento de Sistemas do Câmpus Guarulhos do IFSP, voltou seus estudos para a doença pouco conhecida no mundo. Mais de um ano depois e com duas publicações internacionais, ela atua em uma força-tarefa, junto com demais pesquisadores colaboradores, para expandir o conhecimento adquirido incorporando novas análises e ampliando os estudos.  

Professora Alexandra Aparecida (IFSP) e Professor Danilo Candido (Unifesp)

 

A expectativa é que esse trabalho, e outros que virão, possam contribuir para o estabelecimento de roteiros de apoio à tomada de decisões médicas não só da Covid-19,  mas também de outras doenças, e oferecer a possibilidade de o paciente ser atendido mais prontamente em seu tratamento em virtude do apoio em decisões de cunho diagnóstico. 

Na Universidade Federal de São Paulo (Unifesp), instituição colaboradora, o docente Danilo Candido de Almeida trabalhava em sua área de atuação, quando foi alertado pela professora Alexandra sobre a possibilidade de aplicar seus estudos em Ciência da Informação com algoritmos no diagnóstico da Covid-19.  A pergunta inicial dos pesquisadores foi “Por meio da Inteligência Artificial seria possível identificar variáveis em um banco de dados de hemogramas que poderiam facilitar a tomada de decisão no diagnóstico de admissão da Covid-19?”.   

Devido à similaridade entre os sintomas do novo coronavírus e de uma gripe comum, a avaliação clínica feita por um médico muitas vezes não é capaz de certificar o diagnóstico da nova doença. Dessa maneira, são solicitados exames, como o PCR, considerado padrão ouro por oferecer 100% de assertividade por meio da análise de material genético do vírus presente nas vias aéreas nos primeiros dias da infecção pela doença. “Enquanto o paciente aguarda o resultado, ele é acompanhado, de acordo com o seu estado clínico, na enfermaria ou Unidade de Terapia Intensiva (UTI) das unidades de saúde, porém em alas não exclusivas para Covid-19. A espera pelo diagnóstico pode retardar a intervenção imediata no caso da Covid-19, podendo, nos casos mais graves, levar à falência renal e pulmonar e de outros sistemas do organismo”, explica Danilo.   

Agilizar o início do tratamento dos pacientes graves da Covid-19 seria fundamental para um bom prognoóstico clínico. Nesse sentido, em suas pesquisas, os docentes visam ajudar o corpo médico dando apoio à tomada de decisões no diagnóstico da doença por meio da Inteligência Artificial (IA). O objetivo é avaliar o hemograma dos pacientes (um exame rápido e de fácil acesso) e verificar possíveis alterações em variáveis especificas que podem estar associadas à evolução para os estágios mais graves da doença. 

Inteligência Artificial  

Quando desenvolveu o estudo, Alexandra verificou que já existiam outras pesquisas em andamento, mas elas utilizam uma abordagem conhecida como “abordagem caixa preta”, que não permite ao usuário humano reconhecer ou interpretar com precisão a variável que influenciou no processo de tomada de decisão do algoritmo durante a sua predição. Para possibilitar ao usuário humano o entendimento de determinada decisão tomada pelo algoritmo, Alexandra optou por usar a Inteligência Artificial Explicável (XAI). A partir dessa abordagem, ela utilizou um método de mineração de dados que permite identificar o que se quer buscar. Para que o resultado da mineração de dados seja efetivo, é fundamental que se defina a priori perguntas que devem ser respondidas no final do processo. “No nosso caso, queríamos identificar quais as variáveis presentes nos exames laboratoriais rotineiros no ambiente de emergência médica, os hemogramas, possuíam padrões e comportamentos relevantes para detectar pacientes positivos para SARS-CoV-2", elucida.    

O estudo realizado pela Alexandra utilizou um banco de dados públicos do Hospital Israelita Albert Einstein, de São Paulo. Danilo enfatiza que a nova doença gerou bancos de dados clínicos enormes, nunca vistos antes. No banco de dados do Albert Einstein, estão disponíveis 5.644 exames de pacientes que deram entrada na unidade entre março e abril de 2020. Para atender à necessidade de informação demandada para a IA, 14 variáveis foram selecionadas devido à sua presença frequente nos hemogramas. Nessa análise, Alexandra trabalhou com um algoritmo chamado SOM (Mapa Auto Organizável), “que é um tipo de rede neural artificial com aprendizado não supervisionado. Ele permite interpretar a decisão tomada na hora de fazer o agrupamento dos dados”, explana a docente.    

Os padrões observados nesses agrupamentos renderam algumas descobertas, como o peso de certas variáveis (RDW, Basófilos, Leucócitos e Eosinófilos) no agrupamento de pacientes SARS-CoV-2 positivo. Os pesquisadores ressaltam que algumas dessas variáveis como RDW e Leucócitos já foram associados na literatura com maior mortalidade e mau prognóstico na Covid-19.  Danilo e Alexandra acreditam que se o paciente chega a uma unidade de pronto atendimento com sintomas clássicos do novo coronavírus e, ao mesmo tempo após a admissão, apresentar essas mesmas variáveis alteradas, esses pacientes têm grandes chances de estarem contaminados com o novo coronavírus SARS-CoV-2. Em contrapartida, como essas variáveis também estão associadas a outras complicações clínicas severas (SEPSE, doença renal aguda, pneumonias), independentemente da Covid-19, elas podem também ser usadas como apoio para o adiantamento do tratamento ao paciente. 

Em uma situação hipotética, se comprovado o apoio ao diagnóstico “enquanto aguarda o resultado do PCR”, o médico poderia encaminhar o paciente com sintomas graves direto para a UTI da ala do COVID-19, uma vez que verificasse alterações expressivas nessas variáveis correlacionadas no estudo. Danilo ressalta que essa avaliação do hemograma não anula a necessidade de realizar o PCR. “O mais relevante é que esse paciente tenha um tratamento mais intensivo desde o início. Queremos que os profissionais da saúde tenham subsídios para olharem com mais atenção o hemograma na hora de tratar os pacientes com sintomas da Covid-19", aponta.   

Publicação

O resultado da pesquisa foi divulgado em uma publicação internacional no mês de fevereiro: Simple hemogram to support the decision-making of COVID-19 diagnosis using clusters analysis with self-organizing maps neural network. A publicação foi assinada por Alexandra, Danilo e outros colaboradores.    

Eles explicam que devido à demora no processo de publicação, nesse período, outras publicações demonstraram que as variáveis identificadas no estudo por eles possuem relações com mortalidade e piora da doença, ou seja, “nossa pesquisa foi validada por estudos que já haviam sido feitos”, afirmam.  

No momento, o algoritmo está sendo aplicado em uma base de dados maior para confirmar tudo o que já foi descoberto. “Se der certo, podemos estabelecer um roteiro de apoio a tomadas de decisões, incentivando a atenção a dados do hemograma no contexto da Covid-19, e encaminhá-lo às unidades de saúde, para que seja avaliado e julgado pela equipe médica de atendimento”, elucida Danilo.    

Os estudos atuais fazem parte da pesquisa de pós-doutorado de Alexandra desenvolvido na Universidade Mackenzie, sob supervisão do docente Leandro Augusto da Silva.  

A metodologia desenvolvida por Alexandra e Danilo também já está sendo aplicada em outros estudos para a identificação de possíveis variáveis/problemas que possam ser usados no auxílio em decisões médicas para outras doenças com outras complicações. “A Inteligência Artificial está nos mostrando coisas que ficam escondidas num montante de informações”, finaliza Alexandra.    

registrado em:
Fim do conteúdo da página