O Governo do Estado de São Paulo, em seus contínuos esforços perante a crise da COVID-19, abriu chamada para um concurso público, o qual teve como meta encontrar as melhores soluções de inteligência artificial (IA) para diagnóstico da doença, por meio de análise de imagens médicas. Assim, a chamada pública nº 03/2020: “Como o uso de algoritmos de Inteligência Artificial pode auxiliar médicos radiologistas no diagnóstico do COVID-19 através de imagem de tomografia computadorizada e raios-X de tórax?” teve a participação de 19 instituições participantes (no total) , entre empresas e laboratórios de pesquisa. Após várias semanas de trabalho árduo, a equipe Visibilia teve seus esforços recompensados, pois a solução desenvolvida resultou sendo uma das duas melhores soluções para detecção de COVID-19 em tomografias computadorizadas. A seleção da Visibilia no referido concurso fora oficialmente homologada pela Imprensa Oficial do Governo do Estado de São Paulo, segundo publicação do 15 de agosto de 2020.
O desafio foi muito bem definido e as soluções escolhidas cumpriram, exatamente, o que nós estávamos esperando do uso da inteligência artificial para diagnóstico por imagem
Manifestou Felipe Massami Maruyama, diretor de inovação em governo do Impact Hub à frente do IdeiaGov, a plataforma responsável pela realização do concurso.
Diante dos grandes desafios levantados no edital do concurso, a equipe Visibilia desenvolveu FADCIL – Fully Automatic Detection of Covid-19 cases in medical Images of the Lung – uma ferramenta baseada em algoritmos de aprendizado profundo (deep learning) e aprendizado por transferência (transfer learning) para a detecção automática em escala da COVID-19 em imagens médicas do pulmão, obtidas mediante raios-X ou por tomografia computadorizada. FADCIL processa imagens médicas tomadas desde qualquer plano de corte do corpo humano: axial, sagital e coronal. FADCIL consegue aprender de maneira continua e de fontes diversas a presença de lesões geradas pela COVID-19 nos pulmões dos pacientes em diferentes estágios da doença. Para maiores detalhes sobre o funcionamento dessa ferramenta e de como utilizá-la, acesse FADCIL.
FADCIL é uma poderosa ferramenta baseada em uma série de redes neurais profundas de diferente tipos, as quais geram pré-diagnósticos de maneira independente uma da outra. Pré-diagnósticos esses que são posteriormente processados para gerar o diagnóstico final, a ser entregue ao usuário. A pesar do uso de algoritmos de IA que demandam um alto custo computacional, devido ao uso apropriado de GPUs, FADCIL consegue analisar uma imagem médica, seja ela uma radiografia ou tomografia computadorizada, em um tempo médio de 5~20 segundos.
Fig. Exemplo de tomografia computadorizada mostrando lesões de COVID-19 identificadas pela FADCIL.
Parte da equipe técnica da Visibilia está formada pelo Pesquisador Associado PhD(c) Gabriel Humpire, profissional com ampla experiência em análise e processamento de imagens médicas, especialmente de tomografias computadorizadas, para detecção automática de doenças como câncer em diversos órgãos do corpo humano. Gabriel destaca que, parte do ótimo desempenho computacional de FADCIL na detecção de COVID-19 é devido ao fato de que os modelos de redes neurais profundas usadas, foram previamente treinadas considerando a variabilidade anatômica dos pacientes.
A anatomia muda de paciente para paciente. Por exemplo, o tamanho dos órgãos e anomalias já existentes (e.g. tumores, lesões, próteses, etc.) são característicos de cada paciente, e, influenciam diretamente na detecção automática de qualquer (nova) doença. Dessa maneira, é muito importante mostrar a máxima variabilidade anatômica desses casos aos nossos algoritmos de deep learning, para treinar modelos que possam gerar resultados robustos e confiáveis. FADCIL adota a estratégia de criar mudanças anatômicas nas imagens médicas usadas no treinamento e, com isso, superar o desafio de identificar a presença da COVID-19 de maneira independente à condição do paciente, isto é, independente de tratar-se de alguém com caso leve ou grave de COVID-19, se é um jovem ou idoso, etc.
Além disso, FADCIL tem um tempo de resposta que vai de 2~4 segundos para radiografias e de 10~20 segundos para tomografias computadorizadas. Com isso, espera-se que possa ser adotada por diferentes clinicas e hospitais como uma ferramenta confiável para o suporte na detecção da COVID-19. O próprio pesquisador líder do projeto FADCIL, Gabriel Humpire, aponta:
FADCIL é uma poderosa ferramenta que ajudará consideravelmente a reduzir a carga de trabalho de médicos e radiologistas, oferecendo resultados totalmente automatizados e confiáveis. Além disso, pesquisas mostram que a experiência de radiologistas combinada a sistemas automatizados, similares ao sistema FADCIL, melhoram a qualidade dos diagnósticos finais oferecidos aos pacientes. Por ser um sistema totalmente automatizado, a FADCIL estará disponível em tempo integral (24/7) para quem precisar. Assim, médicos poderão focar em demais tarefas que requeiram sua expertise e, talvez, em mais tempo junto aos pacientes.
Todo o potencial da FADCIL viu-se refletido nos ótimos resultados obtidos durante o concurso do qual resultou selecionada. Apesar disso, FADCIL continuará em processo de melhoria, pois, o desafio atual é prepará-la para seu uso direto em hospitais, clinicas, e em qualquer instituição de saúde onde os serviços de FADCIL possam ser de utilidade. Nas próximas semanas, a equipe do projeto FADCIL terá acesso a dados e às equipes técnicas do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo (HCFMUSP), do Instituto de Pesquisas Tecnológicas do Estado de São Paulo (IPT) e da Companhia de Processamento de Dados de São Paulo (PRODESP), para orientação, apoio na execução de provas de conceito e testes pilotos, além de troca de informações técnicas relacionadas ao enfrentamento da pandemia de COVID-19. Também, a equipe FADCIL terá contato direto com a Secretaria da Saúde do Estado de São Paulo (SES) para realização de testes, casos de uso e execução do piloto da FADCIL em ambientes de uso real para a testagem, e validação dos resultados tanto para aprovação tecnológica quanto mercadológica.
Leave a Reply