Pesquisa auxilia no diagnóstico de leishmaniose visceral utilizando inteligência computacional

A Leishmaniose Visceral, ou calazar, é uma doença não contagiosa, por muitas vezes negligenciada, causada por protozoários pertencentes ao gênero Leishmania. No Brasil a doença ocorre em média com cerca de 3.500 casos/ano. A doença afeta, além do homem, um número considerável de mamíferos, com destaque para cães e roedores. Os principais sintomas em humanos são febres, fadiga, perda de peso, anemia e aumento do tamanho do fígado e do baço. A Leishmaniose Visceral se não tratada, é altamente letal. No período entre 2008 e 2018, foram notificados 3.783 casos novos no Piauí. Com isso, observa-se que a quantidade de casos no estado vem aumentando. Ao se analisar o ranking da carga das doenças tropicais negligenciadas no Piauí, entre os anos de 2008 a 2017, constata-se que as leishmanioses ocupam a maior carga dentro do estado, ficando à frente de doenças como a doença de chagas, cisticercose e dengue.

O padrão geral para o diagnóstico das leishmanioses é o exame parasitológico, através da visualização direta do protozoário em microscópio ótico. No caso da Leishmaniose Visceral, os protozoários são obtidos através de amostras sanguíneas preferencialmente do baço, para maior precisão, mas também é possível utilizar amostra da medula óssea, linfonodos ou fígado. No exame físico é possível palpar o fígado e o baço para confimar o aumento de tamanho. O diagnóstico precoce da leishmaniose é muito importante pois os tratamentos possuem maior eficiência quando iniciados nas etapas iniciais da doença, principalmente para a leishmaniose visceral. Técnicas mais sofisticadas e caras raramente estão disponíveis nas regiões endêmicas, fazendo com que o diagnóstico por exame parasitológico seja amplamente utilizado. Entretanto, a precisão do método depende da carga parasitária e da habilidade do examinador. É recomendado que seja utilizado sempre mais de um método para um diagnóstico mais preciso.

Frente a isso, se faz necessário que se desenvolva tecnologias atuais e seguras para diagnóstico, tratamento e controle da doença. Com o intuito de ampliar os métodos de diagnóstico da Leishmaniose Visceral, está sendo desenvolvida uma pesquisa, contemplada pelo Edital 002/2021 – PBIC da FAPEPI, coordenada pelo professor Romuere Rodrigues, docente do curso de Bacharelado em Sistemas de Informação na Universidade Federal do Piauí (Picos), do Programa de Pós-Graduação em Engenharia de Elétrica da UFPI e do Programa de Pós-Graduação em Ciência da Computação da UFPI.

Com experiência na área de Processamento Digital de Imagens e Visão Computacional, tendo inclusive já participado do desenvolvimento de um método de identificação do glaucoma, utilizando descritores de textura combinados a Redes Neurais Convolucionais, o professor atualmente desenvolve o projeto intitulado “Método automático para detecção de Leishmaniose Visceral em humanos” de maneira semelhante, busca através de métodos automáticos baseados em visão computacional, auxiliar o diagnóstico.

O objetivo geral deste projeto é desenvolver um sistema computacional para auxílio ao diagnóstico da leishmaniose visceral em imagens de lâminas provenientes do exame parasitológico (microscopia) da medula óssea, aumentando a celeridade do diagnóstico. A equipe responsável também pretende criar uma base de imagens públicas de imagens de lâminas provenientes do exame parasitológico da medula óssea e disponibilizar a nova tecnologia ao SUS. “O material é colocado em uma lâmina e analisado no microscópio por especialistas. Uma lâmina gera uma grande quantidade de imagens, o que queremos é facilitar o trabalho de quem vai analisar a lâmina”, conta o pesquisador.

Esquema de diagnóstico por inteligência computacional

Uma vez que as características de todas as regiões são segmentadas, é possível utilizar algoritmos de aprendizagem de máquina para reconhecer a presença da LV nas imagens. O professor e sua esquipe estão utilizando além de redes neurais para classificação de dados, também outros métodos da literatura, tais como: máquina de vetor de suporte e comitê de classificadores (floresta aleatória, AdaBoost e XGBoost).

“A pesquisa está dividida, basicamente, em duas etapas: Detectar quais campos das lâminas possuem Leishmaniose, no processo de classificação de imagens; e nestas lâminas que possuem Leishmaniose, realizar a contagem da quantidade de parasitos, no processo de segmentação e contagem”, conta o professor Romuere.

O professor revela que os resultados são animadores. Na utilização de redes neurais para classificação das imagens, os níveis de acurácia chegam a 99%. Com a prorrogação dos recursos da bolsa, a equipe conta com mais um ano para aprimorar os métodos de detecção. “A partir da classificação das imagens, será realizada a validação dos resultados da pesquisa, apresentando as taxas de acerto nos mais diversos cenários além do nível de confiabilidade da solução proposta. Essa última etapa de validação será feita utilizando as principais métricas para medir o desempenho dos algoritmos de classificação: acurácia, índice kappa e f-score. Após isso, teremos um MVP (Minimum Viable Product) da solução e o mesmo será disponibilizado ao SUS”, finaliza o professor.

Necessary

Sempre ativado

Necessary cookies are absolutely essential for the website to function properly. These cookies ensure basic functionalities and security features of the website, anonymously.

Cookie	Duração	Descrição
cookielawinfo-checkbox-analytics	11 months	This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Analytics".
cookielawinfo-checkbox-functional	11 months	The cookie is set by GDPR cookie consent to record the user consent for the cookies in the category "Functional".
cookielawinfo-checkbox-necessary	11 months	This cookie is set by GDPR Cookie Consent plugin. The cookies is used to store the user consent for the cookies in the category "Necessary".
cookielawinfo-checkbox-others	11 months	This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Other.
cookielawinfo-checkbox-performance	11 months	This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Performance".
viewed_cookie_policy	11 months	The cookie is set by the GDPR Cookie Consent plugin and is used to store whether or not user has consented to the use of cookies. It does not store any personal data.

Functional

Performance

Analytics

Others