Devido a demora nos resultados e na escassez de testes, pesquisadores desenvolvem técnica que utiliza imagens de Raio-X torácico para auxiliar no diagnóstico de pacientes com o Covid-19. Eles utilizam um sistema computacional que aprende a partir de uma base de 13.800 imagens, sendo 183 delas de pacientes com o novo Coronavírus e as restantes de pacientes saudáveis ou com pneumonia. A pesquisa está sendo desenvolvida desde o final de março e é uma parceria entre a Universidade Federal de Ouro Preto (UFOP) e a Universidade Federal do Paraná (UFPR).
Participam os professores Eduardo José da Silva Luz, Gladston Juliano Prates Moreira e Rodrigo Silva e o doutorando Pedro Henrique Lopes Silva, do Departamento de Computação da UFOP, o professor David Menotti, do Departamento de Informática da UFPR, e a médica Ludmila Silva.
Foram utilizadas técnicas de Processamento de Imagens, Visão Computacional e Aprendizado de Máquinas. O sistema desenvolvido recebe uma imagem de um paciente e responde se é provável que o paciente tenha contraído o COVID-19, se possui pneumonia ou se está saudável. Os pesquisadores obtiveram 93,9% da classificação correta das imagens. Das 31 imagens usadas, o sistema avaliou corretamente 30, o que equivale a 96.8% de sensibilidade, e nenhum caso de pneumonia ou tórax normal foi classificado errado, o que garantiu 100% de predição positiva. “O resultado geral foi surpreendente, a nossa técnica reporta os melhores resultados conhecidos até então da dita base de imagens”, comenta David Menotti.
Essa técnica de imagens não é nova, mas segundo Menotti, a pesquisa tem uma característica particular, pois otimiza o tamanho do modelo: “Permite ser embarcado em dispositivos portáteis como smartphones modernos”.
A técnica está em fase de validação com imagens anônimas de pacientes com COVID-19. A proposta é auxiliar toda a população: “Uma vez validada a ferramenta, podemos disponibilizar o “exame” computacional usando a imagem de raio-X por meio da internet para a rede de Saúde do país”, explica Menotti.
A pesquisa está submetida na revista IEEE Access e na plataforma arXiv.