Nova IA Demonstrada como Extremamente Eficaz na Identificação de COVID-19 nos Pulmões

A inteligência artificial (IA) foi mais uma vez comprovada como uma ferramenta eficaz na luta contra a COVID-19. Um novo estudo da Universidade da Flórida Central demonstrou como a IA pode ser quase tão precisa quanto um médico no diagnóstico do vírus presente nos pulmões, bem como como pode ser usada para melhorar os testes.

O estudo foi publicado em Nature Communications.

Diagnóstico de COVID-19

A equipe de pesquisadores desenvolveu um algoritmo de IA que poderia ser treinado para identificar pneumonia de COVID-19 em tomografias computadorizadas (TC), e demonstrou uma taxa de precisão de até 90 por cento. Ele também foi capaz de identificar corretamente os casos positivos e negativos, 84 por cento e 93 por cento do tempo, respectivamente.

As tomografias computadorizadas têm sido comprovadas como mais eficazes no diagnóstico e progressão da COVID-19 em comparação com os testes de reação em cadeia da polimerase (RT-PCR). Esses testes são frequentemente usados, mas têm altas taxas de falsos negativos e geralmente levam mais tempo para serem processados.

Uma das principais razões pelas quais as tomografias computadorizadas são utilizadas para diagnosticar a COVID-19 é que elas podem detectar o vírus mesmo em indivíduos que não apresentam sintomas. Isso não para por aí, no entanto, pois elas também podem detectá-lo em indivíduos com sintomas precoces, aqueles que estão na pior fase da doença, bem como aqueles que se recuperaram e não têm mais sintomas.

Com todos os seus benefícios, as tomografias computadorizadas também têm suas desvantagens, o que é por que elas são às vezes não recomendadas para a identificação da COVID-19. Isso tem a ver com as semelhanças entre a pneumonia associada à influenza e a COVID-19.

O Novo Algoritmo

Levando tudo isso em consideração, a equipe de pesquisadores da UCF desenvolveu um novo algoritmo que é capaz de identificar com precisão a COVID-19. Não apenas isso, mas ele também pode distinguir entre a COVID-19 e a influenza, o que é extremamente útil para os médicos.

Ulas Bagci é um professor assistente no Departamento de Ciência da Computação da UCF e coautor do estudo.

“Demonstramos que uma abordagem baseada em aprendizado profundo pode servir como uma ferramenta padronizada e objetiva para auxiliar os sistemas de saúde, bem como os pacientes”, diz Bagci. “Ela pode ser usada como uma ferramenta de teste complementar em populações específicas e limitadas, e pode ser usada rapidamente e em grande escala no evento de uma nova onda de surtos.”

No estudo, a equipe de pesquisadores treinou um algoritmo de computador para detectar a COVID-19 em tomografias computadorizadas dos pulmões, com um total de 1.280 pacientes da China, Japão e Itália observados. O próximo passo foi testar o algoritmo em 1.337 pacientes que sofriam de várias doenças pulmonares, incluindo a COVID-19, câncer e pneumonia não causada pela COVID-19.

Os resultados do computador foram então comparados com os diagnósticos dos médicos, e os pesquisadores descobriram que o algoritmo foi extremamente eficaz na detecção precisa da pneumonia de COVID-19 nos pulmões, bem como na distinção entre a COVID-19 e outras doenças.

“Demonstramos que modelos de IA robustos podem alcançar até 90 por cento de precisão em populações de teste independentes, manter alta especificidade em pneumonia não relacionada à COVID-19 e demonstrar generalização para populações e centros de pacientes não vistos”, diz Bagci.

O estudo também contou com a participação de coautores Baris Turkbey, que é um pesquisador associado no Instituto Nacional do Câncer da NIH, e Bradford J. Wood, que é o diretor do Centro de Oncologia Intervencionista da NIH e chefe de radiologia intervencionista no Centro Clínico da NIH.

O novo desenvolvimento da UCF é um dos exemplos mais recentes de como a IA pode ser utilizada durante uma pandemia. A tecnologia tem sido implementada em várias áreas relacionadas à COVID-19, incluindo rastreamento, testes, prevenção, diagnóstico, pesquisa e desenvolvimento de vacinas.