A Dra. Silvia Aparicio, investigadora da Universidad Internacional Iberoamericana (UNIB), juntamente com outros investigadores, avalia e treina um modelo de aprendizagem profunda para melhorar a eficiência do diagnóstico da pneumonia.
A pneumonia é uma infecção respiratória grave que inflama os tecidos dos pulmões, afetando milhões de pessoas em todo o mundo todos os anos. A doença pode ser tratada com medicamentos como antibióticos e antivirais, mas o diagnóstico e o tratamento precoces são cruciais para evitar complicações e até a morte.
É geralmente causada por fungos, bactérias ou vírus que inflamam os sacos aéreos dos pulmões, afetando pessoas de todas as idades, principalmente as que têm um sistema imunitário fraco, asmáticos, fumadores e consumidores de álcool, doentes que foram recentemente submetidos a cirurgia e pessoas com infecções virais.
Durante décadas, as radiografias do tórax foram um instrumento importante para diagnosticar a pneumonia. Normalmente, um radiologista especializado avalia manualmente estas radiografias para identificar padrões anormais e sinais de infeção. No entanto, este processo é lento e a exatidão pode depender da perícia do médico. Além disso, pode ser difícil fornecer uma interpretação exacta e atempada, especialmente em regiões onde os profissionais de saúde são escassos.
Os modelos de aprendizagem profunda, como as redes neuronais convolucionais (CNN) e as redes neuronais recorrentes (RNN), têm-se revelado promissores no diagnóstico automático da pneumonia a partir de imagens médicas, como radiografias do tórax e tomografias computorizadas (TC). Estes modelos são capazes de aprender padrões e características complexas, baseando-se em grandes conjuntos de dados para identificar com precisão condições pulmonares anormais relacionadas com a pneumonia. A investigação neste domínio continua a avançar e a melhorar as ferramentas de diagnóstico e detecção da doença.
Este estudo implementa e avalia seis modelos de aprendizagem profunda, entre os quais se destaca um denominado EfficientNetV2L, que apresenta resultados promissores na análise de radiografias de tórax. Este modelo supera as limitações tradicionais ao incorporar algoritmos de aprendizagem profunda e inteligência artificial. Graças às suas poderosas capacidades computacionais, analisa rapidamente as imagens, permitindo uma detecção precisa de 94,02%.
Esta inovação não só melhora a eficiência da detecção de pneumonia, como também tem o potencial de melhorar os sistemas de saúde em todo o mundo, uma vez que a sua escalabilidade é outra vantagem. Um algoritmo avançado pode automatizar a análise de numerosas radiografias, garantindo uma maior cobertura dos programas de rastreio da pneumonia. Ao poderem analisar rapidamente um grande número de casos, os profissionais de saúde podem dar prioridade aos doentes com doenças agudas para otimizar a atribuição de recursos e melhorar os cuidados gerais prestados aos doentes.
O desenvolvimento deste modelo marca um avanço significativo no rastreio da pneumonia. À medida que a investigação e os avanços continuam, a integração desta tecnologia nos sistemas de saúde existentes poderá ter um grande impacto nos resultados dos doentes em todo o mundo. Além disso, o aproveitamento das capacidades avançadas das tecnologias de aprendizagem automática poderá reduzir o fosso no acesso aos cuidados.
Para saber mais sobre este estudo, clique aqui.
Para ler mais pesquisas, consulte o repositório da UNIB.
A Universidad Internacional Iberoamericana (Universidade Internacional Iberoamericana, UNIB) oferece o Mestrado em Direção Estratégica com especialidade 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 liderar um projeto de mudança organizacional.