Estudo da UEM identifica automaticamente doenças degenerativas em imagens

O estudo, considerado inédito, mostra que o método proposto é capaz de reconhecer de forma automática a presença de três doenças crônico-degenerativasdas, com taxas de 89,3% para artrite reumatoide, 95,13% para diabetes e 98,45% para tumor de Walker (câncer).

 
Publicação
29/06/2021 - 12:10
Editoria

Confira o áudio desta notícia

Pesquisadores da Universidade Estadual de Maringá (UEM) identificaram de forma automática a presença de três doenças crônico-degenerativas a partir do reconhecimento de padrões em imagens de células do sistema nervoso entérico de animais de laboratório. O estudo, considerado inédito, mostra que o método proposto é capaz de reconhecer corretamente a ocorrência das doenças com taxas de 89,3% para artrite reumatoide, 95,13% para diabetes e 98,45% para tumor de Walker (câncer).

“Atualmente, pesquisadores realizam análises manuais e repetitivas em suas imagens. Dessa forma, este estudo representa o primeiro de uma série que visa introduzir o uso de técnicas de aprendizagem de máquina e inteligência artificial em uma metodologia capaz de apoiar estudos que abordam o sistema nervoso entérico”, explica um dos pesquisadores, Gustavo Zanoni Felipe, aluno de mestrado em Ciência da Computação na UEM.

Os resultados podem se tornar bastante úteis para apoio ao diagnóstico médico em humanos. “Já existem doenças diagnosticadas a partir da imunomarcação com s100, proteína utilizada para evidenciar as células da glia entérica [localizada na parede gastrointestinal] e que também foi empregada para a obtenção das imagens usadas no presente trabalho. Porém, a análise é feita em microscópio, por um médico patologista”, detalha Jacqueline Nelisis Zanoni, docente do Departamento de Ciências Morfológicas da UEM e líder do grupo de pesquisa em Doenças Crônico Degenerativas e Plasticidade Neural Entérica, certificado pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq).

PESQUISA O orientador Gustavo Yandre Costa, professor no Departamento de Informática (DIN) e membro do Laboratório de Sistemas Interativos e Inteligentes da UEM, diz que a pesquisa partiu da hipótese de que poderia haver padrões ligados ao conteúdo visual dessas imagens, que seriam úteis para reconhecer essas doenças. “A partir disso, exploramos principalmente informações ligadas ao conteúdo de textura dessas imagens e utilizamos alguns algoritmos de classificação bastante conhecidos na literatura de inteligência artificial”, afirma.

Os pesquisadores avaliaram amostras de células de glia entérica. Foram avaliadas características obtidas com o método tradicional de engenharia e características aprendidas automaticamente com o uso de modelos profundos de aprendizagem. “Além da contribuição técnica para as análises pré-clínicas, visamos incentivar o desenvolvimento de técnicas e metodologias inéditas, capazes de apoiar a solução de problemas desafiadores existentes nas práticas laboratoriais”, afirma Gustavo.

PUBLICAÇÃO Os resultados completos estão disponíveis para acesso público em artigo publicado em inglês, neste mês, no periódico Neural Computing and Applications (Computação Neural e Aplicativos) – revista com fator de impacto científico de valor 4,77, o que a coloca dentre as 23 mais relevantes do mundo na área de Inteligência Artificial, de acordo com dados do Journal Citation Reports (Relatórios de Citações de Periódicos).

O artigo tem o título “Automatic chronic degenerative diseases identification using enteric nervous system images” (“Identificação automática de doenças crônico-degenerativas por meio de imagens do sistema nervoso entérico”, em tradução livre).

Além dos três já mencionados, são autores do artigo científico Camila Sehaber Sierakowski e Gleison Bossolani, doutores em Ciências Farmacêuticas pela UEM; Sara Garcia de Souza, doutora em Biologia Comparada pela UEM; Franklin Flores, professor do DIN; Luiz Oliveira, docente da Universidade Federal do Paraná (UFPR); e Rodolfo Pereira, professor do Instituto Federal do Paraná (IFPR) de Pinhais-PR.

GALERIA DE IMAGENS