[ editar artigo]

COVID-net: a rede neural artificial desenvolvida para diagnosticar COVID-19

COVID-net: a rede neural artificial desenvolvida para diagnosticar COVID-19

A pandemia de COVID-19, por necessidade, acelerou o processo de inovação tecnológica no meio médico. As vacinas são um marco importante dessa tendência, mas não são o único. A DarwinAI e a Red Hat, companhias voltadas ao desenvolvimento de sistemas de inteligência artificial, em linha com essa tendência se uniram com o propósito de catalisar a implementação do COVID-Net: uma rede neural artificial que potencialmente pode dar ou excluir um diagnóstico de COVID-19 a partir de radiografias de tórax. Apesar desse exame de imagem ter baixa sensibilidade em relação ao diagnóstico de COVID-19 (variando 30 -69%), a possível aplicabilidade da tecnologia por trás dessa iniciativa faz com que o COVID-Net mereça nossa atenção. 

A radiografia de tórax na pandemia do COVID-19

 A radiografia, apesar das suas limitações, apresenta certas vantagens em relação a outros exames, especialmente, durante a pandemia. A instantaneidade da radiografia de tórax, por exemplo, é útil em situações nas quais não se pode aguardar pelo resultado de um PCR. A portabilidade e o fácil acesso do equipamento radiológico também são características que no atual contexto torna-se extremamente vantajosa uma vez que não há necessidade de transportar um paciente contagioso que pode estar instável para realizar o exame. É, entretanto, um impecílho que, em prol de uma avaliação mais precisa, é necessário um radiologista profissional qualificado. Surge a partir dai a oportunidade para uma ferramenta de auxílio automatizada que acelera esse processo sem perder a precisão do médico especialista. 

O que é e como funciona uma rede neural artificial?

A COVID-Net nasce, portanto, a partir dessa oportunidade. É uma rede neural artificial que foi desenvolvida para a detecção de casos de COVID-19 a partir de radiografias de tórax que tem seu código aberto para o público geral. Para entender as possíveis futuras implicações dessa tecnologia é preciso primeiro compreender o que é uma rede neural artificial.

A rede neural artificial é uma subcategoria dentro do machine learning que tenta replicar a forma de processamento do cérebro humano artificialmente. Em resumo o que ocorre é que durante o período de treinamento inputs (nesse caso radiografias de tórax) são apresentados ao sistema e processados através de inúmeras camadas de neurônios conectados entre si. Eventualmente, o sistema produz um resultado que pode ou não ser o resultado correto. A máquina, entretanto, sabe o resultado correto, logo, caso o resultado produzido seja diferente do resultado certo o sistema reajusta as conexões entre os neurônios até que, através do processamento, a máquina consiga prever o resultado correto com uma precisão satisfatória. 

O COVID-net e o COVIDx

O input utilizado pelos criadores para treinar o COVID-net foi uma coletânea de 13975 radiografias de tórax tiradas de 13870 pacientes, dentre eles pacientes saudáveis, pacientes com pneumonia e pacientes com COVID-19. As imagens foram disponibilizadas para o público pelos autores através de um database chamado COVIDx. Após o período de treinamento do COVID-net foi possível inferir uma sensibilidade de 91% para casos de COVID-19 o que significa que poucas pessoas que tinham a doença foram diagnosticadas como saudáveis. Além disso, o COVID-net também apresentou um valor preditivo positivo de 98.9% o que é importante uma vez que falsos positivos representam um estresse desnecessário para o paciente e para o sistema de saúde. O próximo passo para os investigadores seria tentar decifrar como o Covid-net toma suas decisões.

A princípio parece contraintuitvo tentar compreender o método depois de ter os resultados, mas os trabalhos em cima dos sistemas de rede neural artificial funcionam dessa maneira. O grupo de pesquisadores utilizam estratégias de explicabilidade para tentar decifrar como o COVID-net toma suas decisões a partir das radiografias de tórax e dessa forma ganhar conhecimento acerca dos achados imaginológicos relacionados ao COVID-19. Foi identificado que as opacidades em vidro-fosco, anormalidades bilaterais e as anormalidades intersticiais – características radiográficas associadas ao COVID-19 eram utilizadas pelo sistema para inferir um diagnóstico. Esses achados nos mostram que a forma como um sistema de rede neurais toma suas decisões é semelhante a forma como um médico formado identifica e processa os aspectos relevantes de um exame de imagem. 

O COVID-Net, como ressalta os autores, esta longe de ser uma ferramenta pronta para uso imediato entretanto o valor da inovação e da transparência científica por trás dessa iniciativa é inquestionável. Os resultados obtidos pelos pesquisadores demonstra a eficiência dessa nova tecnologia e sua aplicabilidade na saúde. As limitações do COVID-net nos ensina quais tropeços e complicações devemos nos ater quando se trata de um sistema de rede neurais em desenvolvimento. Além disso, o COVIDx ressalta a importância e o valor que há em compartilhar dados científicos de forma voluntária para que o conhecimento e a inovação possa progredir exponencialmente. 

A natureza, mais especificamente os vírus, possui uma maneira de se adaptar e propagar nas mais diversas condições. O SARS-CoV-2, agente etiológico da COVID-19, é um exemplar impiedoso dessa característica natural de adaptação, mas nós, seres humanos, também somos. Por meio da tecnologia e a inovação desenvolvemos as ferramentas necessárias para nos adaptar as condições que são impostas sobre nós, em outras palavras: “A necessidade é a mãe da inovação”. As soluções não são imediatas, mas as lições são duradouras. O COVID-net não será implementado tão cedo, porém isso não reduz a importância dessa iniciativa. As redes neurais se tornarão cada vez mais prevalentes no meio médico e cabe a nós aprender como utilizá-las da melhor forma. 

Artigos relacionados 

Referências

Wong HYF, Lam HYS, Fong AHT, et al. Frequency and distribution of chest radiographic findings in COVID-19 positive patients. Radiology. 2020 Mar 27.

Wang, L., Lin, Z.Q. & Wong, A. COVID-Net: a tailored deep convolutional neural network design for detection of COVID-19 cases from chest X-ray images. Sci Rep 10, 19549 (2020). https://doi.org/10.1038/s41598-020-76550-z

Ng, M.-Y. et al. Imaging profile of the COVID-19 infection: radiologic findings and literature review. Radiol. Cardiothorac. Imaging 2(1), e200034 (2020).

Academia Médica
Matheus Scalzilli
Matheus Scalzilli Seguir

Estudante de medicina da Zona Oeste do Rio de Janeiro. "A ciência não é apenas compatível com a espiritualidade; é uma fonte profunda de espiritualidade" - Carl Sagan

Ler conteúdo completo
Indicados para você