Um projeto do laboratório Minds [sigla para Machine Intelligence and Data Science], da Escola de Engenharia, prevê o desenvolvimento de um software baseado em inteligência artificial e aprendizado de máquina para auxiliar na detecção automática de síndromes respiratórias agudas, como a Covid-19 e a H1N1.

O mecanismo, que funciona por meio da análise de propriedades sanguíneas e de imagens de exames clínicos de rotina, como raio-X e tomografia computadorizada, garante mais precisão nas avaliações e possibilita ao profissional de saúde rapidez e praticidade na tomada de decisões.

De acordo com o professor Frederico Gadelha, do Departamento de Engenharia Elétrica, a equipe do Minds espera desenvolver um software capaz de oferecer uma solução automática, objetiva, confiável e rápida, que corrobore o diagnóstico da Covid-19 e de outras doenças. “A redução no tempo de realização do laudo médico terá impacto direto no SUS, já que mais pacientes poderão ser beneficiados, e o profissional de saúde poderá se dedicar a outras atividades”, observa o professor.

Além de Gadelha, que é o coordenador, a equipe é formada pelos professores Jaime Arturo Ramírez, também da Engenharia Elétrica, Eduardo Mazoni e Walmir Caminhas, ambos da Engenharia Eletrônica, e os estudantes de pós-graduação Bruno Soares, Giulia Zanon e Marcos Antonio Alves. Os pesquisadores estimam que, até o fim de 2020, terão obtido um protótipo funcional. O projeto conta ainda com colaboração de acadêmicos e profissionais da Faculdade de Medicina, do Hospital das Clínicas e do Departamento de Computação da Universidade Federal de Ouro Preto.

Predição de doença associada
O professor explica que, exames de sangue e dados clínicos, somados aos exames de imagem, possibilitam a avaliação do comprometimento pulmonar do paciente e fornecem indícios em relação ao grau de evolução da doença. Essas informações são fundamentais para acelerar o tratamento.
“Algumas substâncias presentes no sangue apresentam alterações em pacientes de Covid-19. Assim, parâmetros do exame de sangue podem ser utilizados por um algoritmo de inteligência artificial para detectar padrões característicos das doenças. Além disso, algoritmos baseados em aprendizado profundo serão aplicados em dados de radiografias e de tomografia computadorizada, de forma a extrair padrões viróticos ou bacterianos e predizer uma doença associada”, descreve Frederico Gadelha.

De acordo com o professor da Escola de Engenharia, o processo de diagnóstico comumente empregado para o diagnóstico do Covid-19, baseado no método de transcrição reversa, seguida de reação em cadeia da polimerase (RT-PCR), apesar de confiável, é lento e custoso. “O teste rápido, por sua vez, é menos preciso, pois requer sete dias de evolução da doença para reduzir a probabilidade de um resultado falso negativo. Esses fatores reforçam a necessidade da utilização e da criação de novas tecnologias para minimizar o tempo de diagnóstico”, justifica ele.

O projeto foi submetido ao edital 01/2020, do Programa Emergencial de Apoio a Ações de Enfrentamento da Pandemia, com fomento da Fapemig, e ao edital 07/2020, referente à chamada emergencial do Ministério da Ciência, Tecnologia, Inovações e Comunicações, financiada por meio do CNPq.