Elizabeth Caro Montero, investigadora da Universidad Internacional Iberoamericana (Universidade Internacional Iberoamericana, UNIB), está a colaborar num estudo que propõe uma abordagem baseada na aprendizagem profunda para a detecção precisa e atempada da malária.
A malária é uma doença perigosa causada pela picada de mosquitos fêmeas infectados. É infecciosa não só entre os seres humanos, mas também entre os animais. Provoca sintomas ligeiros, como febre, dores de cabeça, suores e vômitos e desconforto muscular. Os sintomas graves incluem coma, convulsões e insuficiência renal.
O elevado número de casos de malária, especialmente em África, no Sudeste Asiático e no Mediterrâneo Oriental, pôs à prova a eficácia da detecção manual de glóbulos vermelhos infectados. O método convencional de diagnóstico da doença envolve o exame determinístico de amostras de sangue ao microscópio. Esta abordagem pode ser um desafio devido à sobreposição de células em amostras espessas, o que pode dificultar a distinção entre células saudáveis e infectadas.
Para acelerar o diagnóstico das infecções por malária, foi proposta a utilização de câmaras digitais de alta resolução ou de telemóveis para captar imagens de amostras de sangue. No entanto, a qualidade das fotografias tiradas com telemóveis pode ser inferior, o que dificulta a interpretação manual e a detecção de doenças utilizando algoritmos de aprendizagem automática.
Para ultrapassar estes desafios, foi implementada a utilização de algoritmos de aprendizagem profunda que podem rapidamente pré-processar imagens e estimar características importantes para o diagnóstico e classificação da malária. Os métodos de aprendizagem automática, como as máquinas de vectores de apoio, os classificadores Naive Bayes e as redes neurais, demonstraram uma precisão de detecção de infecções entre 83,5% e 85%. No entanto, o sucesso destes algoritmos depende em grande medida do acesso a vetores de características bem construídos e discriminativos extraídos por profissionais formados.
Por conseguinte, foi desenvolvido um modelo automatizado e eficiente baseado na aprendizagem profunda utilizando amostras de glóbulos vermelhos. Esta abordagem alcançou uma pontuação de precisão elevada de 97,57% para a detecção da malária. Ao utilizar algoritmos de pré-processamento rápidos e ao automatizar a extração de características, é possível obter um diagnóstico preciso e fiável da doença. O algoritmo elimina a necessidade de extração manual de características, reduzindo significativamente a carga de trabalho dos patologistas e acelerando o processo de diagnóstico.
Esta abordagem inovadora combina dois elementos essenciais: análise de imagem e algoritmos treinados. Ao treinar o algoritmo com um grande conjunto de dados de imagens de amostras de sangue, não só detecta e diagnostica a malária com precisão, como também avalia a gravidade do parasita. Esta análise abrangente beneficia tanto os patologistas como os doentes, fornecendo resultados eficientes, económicos e fiáveis.
Esta metodologia inovadora oferece uma solução promissora para regiões com falta de patologistas qualificados. A implementação desta abordagem tem o potencial de revolucionar a detecção da malária, conduzindo, em última análise, a uma gestão mais eficiente deste problema de saúde global.
Para saber mais sobre este estudo, clique aqui.
Para ler mais pesquisas, consulte o repositório da UNIB.
A Universidade Internacional Iberoamericana (UNIB) oferece o programa de Mestrado em Gestão Estratégica com especialização em Tecnologias da Informação. Um programa que desenvolve as competências e capacidades dos estudantes para gerir um cargo de gestão de sistemas e TIC ou para liderar um projeto de mudança organizacional.