O estudo desenvolvido por Wong Pak Kin e Yan Tao foi
publicado pela revista científica internacional Chaos, Solitons & Fractals
e apresenta uma solução mais rápida na detecção e distinção de cinco tipos de
pneumonias diferentes, nomeadamente a Covid-19. O sistema de diagnóstico
automático é baseado num algoritmo de processamento e análise de imagens
digitais
A
Universidade de Macau (UM) desenvolveu um sistema inteligente que pode
distinguir com sucesso a pneumonia causada pelo novo tipo de coronavírus
(Covid-19) de outros tipos de pneumonia mais comuns. Com recurso a um algoritmo
de processamento e análise de imagens digitais, os investigadores da UM
conseguiram aumentar significativamente a velocidade de diagnóstico.
A
infecção por Covid-19 é normalmente confirmada através de um teste de reacção
de polimerização em cadeia com transcrição reversa (RT-PCR, na sigla em
inglês). No entanto, estes testes apresentam ainda algumas limitações,
nomeadamente a escassez de kits, a quantidade de tempo necessário e a elevada
taxa de falsos negativos.
“Perante
as limitações dos RT-PCR no sentido de assegurar um diagnóstico imediato e
diminuir as probabilidades de propagação do vírus, muitos especialistas
propuseram o uso da tomografia computadorizada do tórax como meio de
diagnóstico de casos suspeitos de infecção por Covid-19, uma vez que, através
deste processo, é possível detectar infecções do pulmão e da caixa torácica durante
o primeiro estágio da doença”, refere a Universidade de Macau em comunicado.
Os
especialistas da UM assinalaram que “o diagnóstico por tomografia
computadorizada do tórax tem um elevado grau de precisão e pode fornecer mais
informações clínicas”, mas referiram também que as imagens tomográficas
“requerem uma identificação manual dos recursos radiográficos”. “O rápido
crescimento no número de pacientes com Covid-19 e a necessidade de cada
paciente submeter-se a várias tomografias (mais de 100 cortes por tomografia)
levaram à acumulação de um grande número de imagens, apresentando, por isso, um
enorme desafio aos radiologistas, especialmente nas áreas mais atingidas pela
pandemia”, indicou a Universidade de Macau.
Para
ultrapassar estes problemas, Wong e Yan Tao trabalharam com investigadores e
especialistas de instituições da província de Hubei na recolha dos dados de 206
pacientes com RT-PCR positivo para a Covid-19 e as respectivas 416 tomografias.
Para além disso, os investigadores da Universidade de Macau recolheram também
dados de 412 pacientes diagnosticados com outros tipos de pneumonia e as
respectivas tomografias computorizadas.
“Tendo
como base as imagens das tomografias computadorizadas do tórax recolhidas, os
investigadores da Universidade de Macau desenvolveram um sistema de diagnóstico
automático baseado num algoritmo de processamento e análise de imagens
digitais. Os resultados da verificação demostraram que, após receber uma
quantidade limitada de dados, o sistema de diagnóstico inteligente podia
distinguir com sucesso a pneumonia causada pela Covid-19 de outros tipos comuns
de pneumonia”, indica o estudo.
De
acordo com as conclusões dos investigadores da Universidade de Macau, a
capacidade de diagnóstico do sistema desenvolvido é comparável à de
radiologistas experientes, mas com uma “velocidade de diagnóstico quase 60
vezes mais rápida”. “Isso traz uma nova solução viável para a detecção da
covid-19”, disseram os investigadores.
Perante
os resultados do estudo, a equipa do professor Wong espera agora expandir as
funções do sistema. “Estão a trabalhar para desenvolver um algoritmo de
diagnóstico para os vários tipos de pneumonia multi-tipo, assim como um novo
algoritmo para previsão específica da pneumonia por covid-19, que deve ser
concluído brevemente”, pode ler-se no comunicado.
Ainda
segundo o mesmo documento divulgado pela UM, o sistema inteligente será capaz
de distinguir pulmões normais de pulmões infectados com cinco tipos comuns de
pneumonia, prevendo ainda a gravidade da condição dos pacientes com covid-19.
O
artigo relacionado, intitulado ‘Distinção automática entre Covid-19 e Pneumonia
comum com recurso a uma rede neural convolucional em várias escalas de
tomografias computadorizadas de tórax’, foi publicado pela revista científica
Chaos, Solitons & Fractals um mês depois de ter sido concluído. O professor
Wong Pak Kin, da Faculdade de Ciências e Tecnologia da Universidade de Macau, e
Yan Tao, aluno de doutoramento do Departamento de Engenharia Eletromecânica,
assinam o estudo. Eduardo Santiago – Macau in “Ponto
Final”
eduardosantiago.pontofinal@gmail.com
Sem comentários:
Enviar um comentário