Moeda: Clima: Marés:
Início Ciência

Inteligência artificial ajuda a detectar doença de Chagas usando celular

Estudo usou microscópio óptico para analisar imagem de amostra de sangue feita por celular; método pode diminuir custo e aumentar eficiência do diagnóstico
Estudo Doença de Chagas, inteligência artificial
(Foto: Arquivo pessoal)

Quando o imunologista Helder Nakaya visitou o Instituto Evandro Chagas, em Belém (PA), em 2017, havia uma comoção porque um dos melhores microscopistas da entidade estava se aposentando à época. Com isso, grande parte daquele conhecimento que permitia identificar rapidamente e com precisão cepas do protozoário Leishmania se perderia.

“Fiquei intrigado achando um desperdício perder toda a expertise acumulada por décadas. Foi aí que começamos a pesquisar e tentar treinar o computador com a sabedoria do profissional para atuar na identificação de microrganismos e com baixo custo”, explica Nakaya.

Cinco anos depois, um grupo de pesquisadores, sob a coordenação de Nakaya e do cientista Mauro César Cafundó de Morais, publicou o resultado de um estudo mostrando que é possível usar inteligência artificial para detectar o Trypanosoma cruzi, protozoário causador da doença de Chagas, em imagens de amostras de sangue obtidas com celular e analisadas em microscópio óptico.

O algoritmo desenvolvido pelo grupo está disponível em artigo publicado na revista científica PeerJ. A pesquisa reuniu profissionais de várias áreas, desde biologia até matemática e computação.

“Conseguimos um bom resultado de aprendizagem da máquina. Tendo o algoritmo funcionado bem para doença de Chagas, ele poderá ser adaptado para outros propósitos que dependam de imagens, como análise de amostras de fezes, dermatologia e colposcopia”, diz Nakaya, que é pesquisador do Hospital Israelita Albert Einstein, da Plataforma Científica Pasteur-USP, do Instituto Todos pela Saúde e do Centro de Pesquisa em Doenças Inflamatórias (CRID), um Centro de Pesquisa, Inovação e Difusão (CEPID) da FAPESP sediado na Faculdade de Medicina de Ribeirão Preto da Universidade de São Paulo (FMRP-USP).

Uma forma de diagnóstico da doença de Chagas é feita por microscopistas treinados que detectam os parasitas em amostras de sangue. Para isso, é preciso um microscópio profissional, que pode ser acoplado a uma câmera de alta resolução, mas isso muitas vezes deixa o método caro e de difícil acesso para pessoas de baixa renda.

Classificada pela Organização Mundial da Saúde (OMS) como uma das doenças tropicais negligenciadas (DTNs), a de Chagas é considerada uma condição infecciosa crônica, cuja prevenção está ligada ao modo de transmissão, ou seja, ao controle do inseto barbeiro. Isso demanda resposta das redes de atenção à saúde.

Endêmica em 21 países das Américas, a infecção pelo Trypanosoma cruzi afeta aproximadamente 6 milhões de pessoas, com incidência anual de 30 mil casos novos na região, levando, em média, a 14 mil mortes por ano. Além disso, estima-se que cerca de 70 milhões de pessoas vivam em áreas de exposição ao barbeiro e corram o risco de contrair a doença.

No Brasil, mesmo com a tendência de queda das taxas de mortalidade, houve uma média de 4 mil óbitos a cada ano decorrentes da doença na última década.

‘Ensinando’ a máquina

Os pesquisadores desenvolveram uma abordagem de aprendizado do computador baseada na chamada random forest (floresta aleatória, em tradução livre), criando um algoritmo para detecção e contagem de tripomastigotas do Trypanosoma cruzi em imagens obtidas com a câmera de telefone celular. Os tripomastigotas são a forma morfológica do protozoário presente na fase extracelular e encontrada no sangue de pacientes com a doença aguda.

Foram analisadas micrografias de amostras de esfregaço de sangue registradas em imagens com uma resolução de 12 megapixels. Foi extraído um conjunto de parâmetros morfométricos (forma e tamanho), cor e medições de textura de 1.314 parasitas.

Nessa etapa, os cientistas João Santana Silva, Paola Minoprio e Ricardo Gazzinelli, especialistas em parasitas, ajudaram a “ensinar” a máquina a reconhecê-los, especialmente o Trypanosoma. Também colaboraram os pesquisadores da USP Roberto Marcondes César Jr. e Luciano da Fontoura Costa, especialistas em aprendizado de máquina e processamento de imagem.

Depois, as amostras foram divididas em conjuntos de treino e teste, e, então, classificadas usando o algoritmo random forest. Os resultados foram valores de precisão e de sensibilidade considerados altos – ficaram em 87,6% e 90,5%, respectivamente. Foi analisada a área sob a curva Característica de Operação do Receptor (curva ROC, na sigla em inglês), uma representação gráfica que ilustra o desempenho ou a performance de um sistema classificador binário à medida que o seu limiar de discriminação varia.

Assim, o grupo conseguiu automatizar a análise de imagens adquiridas com um dispositivo móvel, obtendo uma alternativa para reduzir custos e aumentar a eficiência no uso do microscópio óptico.

“A ideia é gerar imagem e analisá-la em microscópio que possa ser enviado a lugares remotos do Brasil para o próprio aplicativo dizer se é ou não doença de Chagas. Por isso é importante termos também um microscópio robusto e de baixo custo que possa automaticamente coletar as imagens”, complementa Nakaya.

Segundo o pesquisador, a proposta é deixar o algoritmo aberto para que a comunidade científica contribua com outros dados e recursos. Um dos desafios agora é conseguir microscópios de baixo custo, como o equipamento produzido em papel https://foldscope.com/ e inventado pelos cientistas Manu Prakash e Jim Cybulski, na Stanford University (Estados Unidos), mas que acabou não tendo resultados esperados na aplicação com os parasitas.

Palavras Chave

CiênciaSaúde

Comentários

Deixe seu comentário
Seu endereço de email não será revelado.

publicidade
© Copyright 2022. Portal Correio. Todos os direitos reservados.