Pesquisas publicadas com o apoio da FAPEPI garantem novas possibilidades de diagnóstico da doença no futuro
O glaucoma é uma doença ocular cujo nome é um guarda-chuva para algumas variações desta doença que afeta aproximadamente 80 milhões de pessoas no mundo, de acordo com a Organização Mundial da Saúde (OMS). A enfermidade é causada pelo aumento da pressão intraocular, que acaba lesionando o nervo óptico. Em 80% dos casos, se não for tratado, pode evoluir para perda total da visão. É mais comum sob a forma do glaucoma primário de ângulo aberto, correspondendo a 90% dos casos, mas também pode surgir o glaucoma do tipo de ângulo fechado, congênito ou secundário. Não possui cura, mas pode ter seus efeitos controlados, principalmente se o diagnóstico for feito com antecedência. Trata-se de uma doença perigosa, pois atua de forma progressiva, prejudicando lentamente a visão. Em muitos casos a pessoa que o possui não percebe os sintomas até que se tornem mais graves, caso a doença não for tratada, o campo visual se estreita cada vez mais, obscurecendo primeiro a visão periférica, depois a visão central e finalmente progredindo à cegueira permanente do olho afetado. É necessário manter sempre em dia exames de rotina, principalmente quando se enquadra em fatores de risco, como ter casos da doença na família, ter diabetes, problemas cardíacos ou pressão alta, por exemplo.
Por ser uma doença silenciosa e progressiva, necessita de atenção redobrada. Estima-se que um milhão de pessoas sofram de algum tipo de glaucoma no Brasil, porém, de acordo com a pesquisa “Um olhar para o glaucoma no Brasil”, produzido pelo Ibope Inteligência, avaliou o nível de conhecimento sobre a doença com internautas de 7 estados. Constatou-se que o índice de desconhecimento chega a 53% entre jovens com idade entre 18 a 24 anos e a 71% entre adultos com 55 anos ou mais. A proporção de entrevistados que informaram nunca ter ido a uma consulta com um médico oftalmologista é de 10%, e 25% disseram que vão somente quando sentem incômodo nos olhos. No grupo de pessoas mais jovens, os números continuam preocupantes: 21% relataram nunca ter ido a uma consulta e 10% foram uma única vez na vida.
A situação se torna ainda mais preocupante ao se levar em conta que com a chegada da pandemia da covid-19, o medo das pessoas de contraírem a nova doença fez com que exames periódicos como a consulta ao oftalmologista reduzissem significativamente. Um levantamento do Conselho Brasileiro de Oftalmologia mostrou que, na pandemia, o total de exames de diagnóstico de glaucoma caiu 30%. O impacto também foi observado na realização de cirurgias para reverter e tratar a doença: pelo menos 6.700 deixaram de ser realizadas em 2020, aponta a pesquisa. O levantamento mostra que em oito estados, a redução foi superior a 50%, o Piauí foi o estado que mais teve redução, junto com o Amazonas, em torno de 67%.
O fato do glaucoma ser uma doença que evolui sutilmente, afetar muitas pessoas ao mesmo tempo em que a população ainda não atingiu nível satisfatório de conhecimento à respeito sobre de maneira geral, se torna urgente que esse conhecimento quanto à prevenção possa chegar a cada vez mais pessoas, não menos importante é o desenvolvimento de métodos mais acessíveis e eficientes de diagnose e tratamento. Nesse sentido, duas pesquisas científicas relacionadas a essa doença foram publicadas recentemente graças ao auxílio financeiro da Fundação de Amparo à Pesquisa no Piauí (FAPEPI), através do Edital 003/2020 – Auxílio à Publicação.
A pesquisa “Avaliação de mapas de textura como entrada para extrair atributos profundos no diagnóstico de glaucoma” foi desenvolvida pelo professor do curso de Sistemas de Informação da UFPI-Picos Romuere Rodrigues em parceria com o aluno de ICV Daniel Veloso. Com o objetivo de ajudar a identificar a doença nos seus estágios iniciais, foi desenvolvida uma proposta de método de identificação do glaucoma, utilizando descritores de textura combinados a Redes Neurais Convolucionais. As Redes Neurais Convolucionais são métodos computacionais utilizados por profissionais de várias áreas, que se baseiam no funcionamento em rede do cérebro humano para poder extrair informações e reconhecer padrões em imagens. De forma simples, esses métodos aprendem a classificar a partir de dados previamente diagnosticados por especialistas. Após a fase de aprendizado da rede artificial, essas redes são capazes de classificar novas imagens. Já os Mapas de Textura são métodos capazes de melhorar a representação das imagens, com isso características importantes das imagens podem ser melhoradas e utilizadas nas Redes Neurais Convolucionais.
O professor Romuere conta que um método comum utilizado para diagnosticar o glaucoma consiste em analisar uma imagem do fundo do olho obtida por uma retinografia, isso é feito a partir da delimitação da região do disco óptico (DO). Essa proposta visa auxiliar o estado da arte da medicina oftalmológica ao avaliar se outro tipo de entrada em redes neurais melhoram os resultados quando comparados com a imagem original. A textura de imagens de pacientes com glaucoma possui um padrão diferente quando comparadas com imagens de pacientes saudáveis. Com isso, foram aplicados métodos para computar diferentes mapas de textura com o objetivo de melhorar os resultados obtidos em imagens sem esse tipo de processamento. Os resultados obtidos com o método desenvolvido, vão ajudar os especialistas no diagnóstico, oferecendo uma segunda opinião.
“O método utilizado consiste na utilização de mapas de textura como nova entrada para as redes neurais convolucionais. Uma imagem colorida possui 3 canais, R-G-B. Sabendo disso, utilizamos diferentes descritores de textura nas imagens, e essas novas imagens criadas a partir do descritor, foram utilizadas substituindo os valores de cada canal. para cada canal aplicamos uma imagem com um descritor diferente. Resumindo, nosso método de pré-processamento antes do treinamento nas redes, consistiu na reconstrução de uma imagem, alterando os canais por imagens com descritores, permanecendo uma imagem em tons de cinza na reconstrução de cada imagem. Depois da reconstrução das imagens, utilizamos 3 tipos de redes neurais convolucionais, pré-treinadas, para o treinamento do conjunto de dados, gerando pesos, para por fim podermos classificar as imagens.” conta o aluno de ICV e participante do projeto, Daniel Veloso da Silva.
Os pesquisadores contam que apesar dos resultados promissores desta pesquisa, ainda não há uma previsão para a adoção da contribuição nos exames para a população. “Para uma aplicação real desse projeto, seria necessário o acompanhamento de perto por especialistas da área, o que infelizmente ainda não ocorreu”, finaliza o estudante.
Já a pesquisa “Identificação de Glaucoma em imagens da retina baseadas em Capsule Network (CapsNet)” vem neste mesmo sentido de trazer mais um auxílio no diagnóstico da doença com o auxílio das redes neurais, desenvolvido com a coordenação do professor Antônio Oseas de Carvalho Filho da UFPI-Picos em parceria com os professores Flávio Henrique de Araújo, do mesmo campus, Ricardo Rabêlo, da UFPI-Teresina, os alunos de iniciação científica Patrick Ryan dos Santos e Vitória Brito, além do colaborador externo Mano Joseph da École d’ingénieur généraliste en informatique et technologies du numérique de Paris, França.
A CapsNet é um sistema de aprendizado de máquinas que atua nas redes neurais para melhorar a eficiência do sistema, adicionando “cápsulas” que reutilizam as saídas de informação de várias dessas cápsulas primárias para formar representações mais estáveis para cápsulas superiores. Para atingir esse objetivo a metodologia é baseada em técnicas de processamento computacional de imagens, mais especificamente, em técnicas de deep learning. Em ciências da computação, deep learning é um campo de estudos em inteligência artificial que busca aprimorar o funcionamento de redes neurais artificiais com aprendizado representativo, que por sua vez, são técnicas desenvolvidas para permitir que um sistema detecte de forma automatizada certos padrões em dados brutos, facilitando o trabalho manual do pesquisador.
A aluna do ICV participante da pesquisa Vitória Brito conta que os especialistas normalmente optam por análise de imagem por serem mais precisos, como a tomografia de coerência óptica, tomografia de Heidelberg e retinografia, porém o processo de análise do especialista demanda tempo, pois é preciso analisar vários exames para maior precisão, o que também pode ocorrer é que diferentes especialistas podem ter diferentes interpretações. É nesse contexto que os métodos computacionais entram, contribuindo para um diagnóstico mais rápido e otimizado.
“Os resultados foram bem promissores, conseguimos taxas de acerto acima dos 90% para o diagnóstico do glaucoma, isso significa que para cada 10 imagens analisadas, o nosso método seria capaz de afirmar que em cada 9 imagens de 10 teriam ou não glaucoma com precisão. O nosso intuito é sempre auxiliar o médico, além dessa técnica oferecer mais segurança trazendo uma segunda opinião, serve como uma espécie de triagem. Por exemplo, podemos passar um conjunto de imagens para o sistema analisar e aquelas imagens que o sistema apontar como suspeito de glaucoma, o médico poderá olhar com mais calma.” afirma o professor Antônio Oseas de Carvalho.
Os métodos computacionais e a inteligência artificial são um trunfo do nosso tempo, o que permitem que os diagnósticos para essa doença, que é a segunda maior causadora de cegueira no mundo, atrás apenas da catarata, possa ter um diagnóstico mais rápido e preciso, contribuindo para a preservação da saúde dos olhos das pessoas e promovendo qualidade de vida. Pesquisas como essas, que dialogam com as necessidades imediatas da população são muito importantes para mostrar como o investimento público em pesquisa e desenvolvimento (P&D) são indispensáveis, atuando em última análise como um auto-investimento.
