Por Ascom Faperj*
 |
| O projeto, desenvolvido no Hospital Universitário Antônio Pedro (HUAP), aposta na análise de tomografias computadorizadas do tórax para identificar sinais precoces de enfisema e câncer de pulmão (Foto: Freepik) |
Com o incentivo da Fundação Carlos Chagas Filho de Amparo à Pesquisa do Estado do Rio de Janeiro (FAPERJ), por meio dos programas Jovem Cientista do Nosso Estado (JCNE) e Cientista do Nosso Estado (CNE), uma pesquisa da Universidade Federal Fluminense (UFF) está utilizando inteligência artificial (IA) e ciência de dados para aprimorar o diagnóstico de doenças pulmonares. O projeto, desenvolvido no Hospital Universitário Antônio Pedro (HUAP), aposta na análise de tomografias computadorizadas do tórax para identificar sinais precoces de enfisema e câncer de pulmão.
“A FAPERJ tem se empenhado em apoiar pesquisas com alto potencial de impacto social e inovação tecnológica. Este projeto é exemplar ao mostrar como o investimento em ciência de ponta e a formação de jovens pesquisadores podem contribuir para a melhoria do atendimento à saúde pública no estado”, destaca a presidente da FAPERJ, Caroline Alves.
O estudo é conduzido pelos professores Marcos Bedo e Daniel de Oliveira, do Instituto de Computação, e Cristina Asvolinsque, do Departamento de Radiologia, com participação de alunos da graduação e da pós-graduação. A equipe utiliza exames realizados entre 2013 e 2019, período em que o serviço de radiologia do HUAP foi digitalizado, para estruturar um banco de dados e aplicar técnicas de IA que identificam padrões visuais e textuais relacionados às doenças.
Os primeiros resultados são promissores. O artigo “Aggregating embeddings from image and radiology reports for multimodal Chest-CT retrieval”, assinado pelo mestrando João Vitor Silva Leite, foi premiado como melhor artigo estudantil na 37ª edição do IEEE International Symposium on Computer-Based Medical Systems (CBMS), em 2024.
“A ideia é transformar esse conjunto de dados em uma base consultável por profissionais da Saúde. Em vez de depender exclusivamente da experiência clínica, o radiologista poderá contar com um sistema inteligente que compara um novo caso a registros semelhantes”, explica Marcos Bedo.
 |
| A professora Cristina Asvolinsque na sala de Tomografia Computadorizada do HUAP/UFF (Foto: Arquivo Pessoal) |
A metodologia adota uma abordagem chamada de busca multimodal, combinando imagens e trechos dos laudos médicos, com o auxílio de redes neurais e modelos de linguagem. O sistema desenvolvido, chamado ChestFinder, apresentou melhora de até 52% na acurácia em relação a buscas baseadas apenas em imagem.
“Começamos com o enfisema porque já tínhamos um histórico rico de casos no HUAP, devido a um antigo programa de combate ao tabagismo. A ideia foi usar essa base para testar a capacidade da IA em encontrar padrões clínicos relevantes”, explica Daniel de Oliveira.
Apesar dos avanços, os pesquisadores destacam que o objetivo não é substituir o trabalho médico. “É um mecanismo que funciona como um copiloto. A inteligência artificial se insere para apoiar o radiologista, nunca para substituí-lo”, reforça Bedo.
Cristina Asvolinsque destaca os benefícios da integração entre áreas: “Ao unir diferentes campos do conhecimento, temos uma grande esperança de que a inteligência artificial traga ganhos concretos para a radiologia. Nosso objetivo é agregar mais precisão e agilidade à interpretação dos exames”.
Às vésperas da campanha Agosto Branco, mês de conscientização sobre o câncer de pulmão, a equipe já planeja expandir a base de dados para outras lesões pulmonares, com a expectativa de que a tecnologia possa futuramente ser aplicada em hospitais de diferentes regiões do País.
* Com informações da Assessoria de Comunicação da Universidade Federal Fluminense (UFF)*
