Central das Notícias
Notícias, vídeos e humores
closeDownload
Baixe agora!
share icon

Diagnóstico usa inteligência artificial

Correio Popular
No método, é possível identificar, entre os casos confirmados, os indivíduos com maior risco de desenvolver manifestações graves da doença

Divulgação

No método, é possível identificar, entre os casos confirmados, os indivíduos com maior risco de desenvolver manifestações graves da doença

Um método que permite diagnosticar a Covid-19 em cerca de 20 minutos — com baixo custo e sem a necessidade de reagentes importados — foi descrito por pesquisadores brasileiros em artigo divulgado na semama passada pela plataforma medRxiv, ainda sem revisão por pares.

O sistema usa algoritmos de inteligência artificial capazes de reconhecer em amostras de plasma sanguíneo de pacientes um padrão de moléculas característico da doença. Segundo os autores, também é possível identificar, entre os casos confirmados, os indivíduos com maior risco de desenvolver manifestações graves, como insuficiência respiratória.

O projeto é apoiado pela Fapesp e envolve pesquisadores da Universidade Estadual de Campinas (Unicamp) e da Universidade de São Paulo (USP), além de colaboradores no Amazonas.

“Nos testes feitos para validar a metodologia, conseguimos diferenciar as amostras positivas e negativas com um acerto de mais de 90%. Também fizemos a diferenciação entre casos graves e leves com acerto em torno de 82%. Agora, estamos iniciando o processo de certificação junto à Anvisa (Agência Nacional de Vigilância Sanitária)”, conta à Agência Fapesp o professor da Unicamp, Rodrigo Ramos Catharino, coordenador da pesquisa.

Segundo ele, o exame, quando em operação, poderia custar em torno de R$ 40 por amostra, cerca de metade do preço de custo do RT-PCR, método considerado padrão-ouro para diagnóstico da Covid-19.

O trabalho vem sendo desenvolvido no Laboratório Innovare de Biomarcadores durante o doutorado de Jeany Delafiori, pesquisadora da Unicamp. E integra uma linha de pesquisa que combina técnicas de metabolômica e aprendizado de máquina para buscar marcadores capazes de auxiliar o diagnóstico de doenças como zika, dengue hemorrágica, fibrose cística, diabetes e outros distúrbios metabólicos.

O grupo trabalha em parceria com o Laboratório de Inferência em Dados Complexos (Record) do Instituto de Computação (IC) da Unicamp, coordenado pelo professor Anderson Rocha e conta com a participação de seu colaborador Luiz Claudio Navarro.

“O projeto contou com a participação de 728 pacientes — sendo 369 com diagnóstico de Covid-19 confirmado clinicamente e por RT-PCR. As amostras de indivíduos não infectados foram usadas para comparação, como uma espécie de grupo controle. No caso de alguns pacientes que desenvolveram complicações e precisaram ser internados, foi coletada uma segunda amostra de sangue. De modo geral, entre os casos confirmados, havia indivíduos com sintomas leves e graves”, conta Delafiori.

Algoritmo desenvolvido é capaz de incorporar conhecimento

Todas as amostras colhidas para testes foram analisadas em um equipamento conhecido como espectrômetro de massas, capaz de discriminar as substâncias presentes em fluidos corporais. Como explicam os pesquisadores, esse conjunto de moléculas encontrado no plasma sanguíneo retrata os diversos processos metabólicos ativos no organismo.

“Nos concentramos nas moléculas de baixo peso molecular, como os aminoácidos, os pequenos peptídeos e os lipídeos. Elas surgem na parte final dos processos metabólicos e, portanto, estão mais diretamente ligadas aos sintomas que os pacientes estavam manifestando no momento da coleta”, explica a pesquisadora Jeany Delafiori.

Parte das amostras foi então usada pela equipe do IC-Unicamp para ensinar um método de inteligência artificial a reconhecer padrões de metabólitos encontrados nos casos positivos e nos negativos, bem como diferenciar os padrões dos casos leves e graves. A outra parte foi usada em um teste cego, cujo objetivo foi avaliar o acerto final da análise feita pelo sistema.

Segundo os dados do artigo, o método alcançou 97,6% de especificidade e 83,8% de sensibilidade para o diagnóstico da doença no teste cego. Já em relação à análise de risco para manifestação grave a especificidade foi de 76,2% e a sensibilidade foi de 87,2%.

“Sensibilidade (também conhecido como sensitividade) é o parâmetro que indica o quão sensível o método é para detectar a presença ou ausência da Covid-19. Já especificidade tem a ver com a capacidade de diferenciar a Covid-19 de outras condições de saúde. Esses dois parâmetros, quando analisados em conjunto, determinam a taxa de acerto”, explica Delafiori. “Ainda estamos trabalhando para melhorar a taxa de acerto do exame, à medida que novas amostras de pacientes são coletadas por nossos colaboradores.”

De acordo com o pesquisador Anderson Rocha, o algoritmo desenvolvido é capaz de incorporar conhecimento na medida em que analisa novas amostras, o que tende a se refletir em uma melhora na performance com o passar do tempo. “Se hoje ele tem uma taxa de acerto em torno de 90%, é provável que acerte ainda mais quando chegar a milhares de pacientes analisados”, afirma o pesquisador.

A equipe do IC-Unicamp também criou um software para automatizar todo o processo de análise e gerar, no final, um relatório que informa para o médico se o paciente tem a Covid-19 e se apresenta risco de complicações. 

Ver fontes Baixe!