Notícias da UFSC

Em um cenário de enfrentamento à pandemia da Covid-19, um estudante da Universidade Federal de Santa Catarina (UFSC) está usando a Inteligência Artificial (IA) para ajudar a comunidade científica – e especialmente a rede pública de saúde – a ter resultados mais rápidos dos exames de detecção do novo coronavírus.

“A ideia básica é descentralizar os testes de laboratório para testes rápidos e simples que podem ser feitos em qualquer computador, com resultados em menos de 30 segundos”, explica Matheus Tosta (foto), pesquisador do Laboratório de Robótica Aplicada Raul Guenther (LAR) do Departamento de Engenharia Mecânica (EMC).

A pesquisa iniciou com a análise de imagens de raio-X, mas está sendo aperfeiçoada com tomografias. Sua proposta é classificar imagens de tomografias e de raio-X da região toráxica de pacientes com suspeita de infecção, para ver as chances de eles serem portadores do Covid-19. “É importante deixar bem claro que não quero substituir diagnósticos médicos, mas sim fornecer uma alternativa rápida e relativamente confiável para que eles confirmem ou não os casos suspeitos”, pondera o graduando em Engenharia Eletrônica. “Os resultados tem 70% de acurácia em termos de classificação correta”.

Com experiência na área de Robótica Industrial, o professor Henrique Simas acrescenta: “a Inteligência Artificial trata variáveis estatisticamente, e na medida que a base de dados cresce, a rede aumenta sua possibilidade de acerto. Claro que nunca é 100% de acerto, uma vez que existem variáveis aleatórias difíceis de serem modeladas ou observadas”.

Também do EMC, o professor Daniel Martins, supervisor do LAR, esclarece que a iniciativa de Matheus é uma adaptação do Projeto Robô de Inspeção de Redes, que usa IA para detectar, entre outras coisas, falhas do sistema elétrico. Seria uma utilização secundária da tecnologia e sua aplicação à saúde, com um sistema de identificação de padrões em radiografias em portadores de Covid-19.

Com o fechamento temporário das dependências da UFSC, o estudante tem trabalhado em casa e conta, além da supervisão do professor Daniel, com contribuições a distância de Gustavo Queiroz, engenheiro mecânico formado na Universidade Federal de Minas Gerais (UFMG) e mestrando do LAR; Raul Guedert, engenheiro eletrônico graduado na UFSC e doutorando no Instituto de Engenharia Biomédica, onde também fez mestrado; e de Gustavo Simas, aluno de Engenharia Elétrica que até fevereiro atuava no mesmo laboratório.

Por considerar pouco mais de 50 imagens, o modelo em desenvolvimento precisa ser aprimorado e é isso o que Matheus propõe a colaboradores, ao disponibilizar um repositório sobre a Rede Neural Convolucional profunda (modelos VGG16, VGG19, ResNet50 e ResNet152) em https://lnkd.in/e4ZW29v.

“Com um pouco de esforço, podemos facilmente aumentar a eficácia e contribuir no combate ao vírus”, ressalta o pesquisador. A relevância deste trabalho é reconhecida pelo colega Gustavo Queiroz: “Iniciativas como essas proporcionam o desenvolvimento de tecnologias e abrem caminhos para o empreendedorismo. O mesmo algoritmo que hoje está sendo treinado para identificar a contaminação pelo Covid-19 poderá ser utilizado, no futuro, para diagnosticar tumores, pneumonias e até mesmo doenças infecciosas que se tornem pandemias como a que vivenciamos atualmente.”

Texto: Heloisa Dallanhol/Equipe de Divulgação do EMC/UFSC