A equipe Trekkers formada pelos estudantes (Camila Pereira Perico, Monique Schreiner, Guilherme Taborda Ribas, Leonardo Custodio, André L. Caliari Costa, e Selma dos Santos C. de Andrade, todos do Mestrado em Bioinformática da UFPR, venceu o desafio, #d051 IA e Ciência de Dados para Apoio à Decisão Clínica, obtendo a 1ª colocação geral do prêmio Cientistas pela Vida.
O Hackcovid19 foi um evento nacional, virtual, proposto pelo Centro Brasileiro de Pesquisas Físicas (CBPF), Fundação Oswaldo Cruz (Fiocruz) e Laboratório Nacional de Computação Científica (LNCC), com 984 participantes, 82 projetos submetidos, 220 desafios e 121 mentores que tratabalharam com o objetivo de desenvolver projetos voltados às necessidades da sociedade, buscando soluções para a atual pandemia de COVID-19. Os critérios utilizados pelos 12 integrantes da comissão julgadora para a escolha dos ganhadores foram: criatividade, aplicabilidade da solução, apresentação do pitch, disruptividade da inovação e viabilidade tecnológica.
Como prêmio pelo 1º lugar geral, a equipe será contemplada com:
A equipe Trekkers desenvolveu uma metodologia para a classificação de raio-X de pulmão para detecção de COVID-19. Os raios-X são exames de rotina realizados nos pacientes com frequência, além de serem possíveis de se realizar em quase todos os hospitais, inclusive os de maior precariedade. Utilizar imagens de raios-X para obter um indicativo para a COVID permite acelerar o diagnóstico e assim antecipar o tratamento além de evitar maior contágio. Por este motivo, a equipe Trekkers propôs a construção de uma rede classificatória de imagens de radiografias nas classes “normal”, "COVID" e “outras doenças”, como um auxiliar no diagnóstico do COVID, e na identificação de outras doenças pulmonares.
Foi criado um protótipo de um site, para facilitar o uso por profissionais de saúde, deixando o uso da ferramenta mais intuitivo. O site foi planejado para que o profissional de saúde faça o upload da imagem do raio-X e receba a classificação prevista pela rede, auxiliando no processo de diagnóstico.
O diferencial da solução proposta está na ferramenta SWeeP, originariamente desenvolvida para o processamento de sequências biológicas como de aminoácidos e nucleotídeos. O SWeeP, ao utilizar um processo de projeção com uso de matriz randômica, permite redução de dimensão dos dados, reduzindo assim o tempo de processamento e treinamento da rede classificatória sem perda de informação.
A ferramenta ainda está em desenvolvimento, e exigirá uma maior quantidade de dados, para garantir um melhor treinamento da rede, assim como maior poder computacional. E por fim, será realizada a disponibilização da ferramenta online, de forma simples e acessível para uso médico livre e gratuito. Isso permitirá auxiliar o profissional de saúde a acelerar e facilitar o diagnóstico do COVID-19.
Hospitais e instituições que quiserem fazer parcerias podem entrar em contato com a equipe pelos emails:
Divulguem o canal: https://www.youtube.com/watch?v=JqMysTuhbRE&feature=youtu.be
Nosso objetivo estava na possibilidade de acelerar e facilitar o diagnóstico de COVID com o uso de inteligência artificial (IA). Para isso, idealizamos e desenvolvemos uma ferramenta para classificação de imagens de raio-X com a função de informar a presença de indícios de COVID19 ou outras doenças pulmonares. Vale ressaltar que esta ferramenta não possui o intuito de ser diagnóstica, mas de fornecer um indicativo para o profissional de saúde.
Os raios-X são exames de rotina realizados com frequência, além de serem possíveis de se realizar em quase todos os hospitais, inclusive os de maior precariedade. Mas não apenas isso, os profissionais de saúde possuem maior dificuldade de encontrar indícios em imagens raios X. Diferentemente de imagens tomográficas, que fornecem indícios com maior facilidade. Por estes motivos, o uso de IA se mostra vantajosa, pois tem a capacidade de encontrar padrões não discerníveis a olho humano.
A grande inovação se dá com a técnica utilizada baseada no uso do SWeeP, uma ferramenta desenvolvida no Laboratório de Inteligência Artificial aplicado à Bioinformática da UFPR. O SWeeP foi inicialmente desenvolvido para tratamento de sequências biológicas (DNA, RNA ou proteínas), mas foi aqui empregado com sucesso para o processamento de imagens. O uso dessa ferramenta possibilita o uso de técnicas com custo computacional consideravelmente mais baixo.
Tempo é crucial quando se trata de uma pandemia. O uso de tecnologia que busquem facilitar e acelerar o processo de diagnóstico são cruciais para evitar maior contaminação de pessoas e antecipar o tratamento, aumentando as chances de recuperação do paciente. Esse é o caso da tecnologia aqui desenvolvida. Contudo, tecnologias digitais podem ter diversos usos e auxiliar de diferentes maneiras. O monitoramento epidemiológico do COVID, que também vem sendo desenvolvido em um projeto paralelo em nosso laboratório, pode fornecer informações cruciais na tomada de decisões pelos representantes públicos.
Tecnologias também podem facilitar a comunicação entre os profissionais de saúde, cientistas e população leiga, fazendo com que informações sejam sejam compartilhadas entre esses grupos de maneira rápida e eficiente.
Os métodos atuais de classificação de imagens exigem alto poder de processamento e considerável tempo de treinamento. Nas pesquisas de biologia molecular do laboratório de bioinformática, solucionamos esses problemas de processamento e tempo com a ferramenta SWeeP, desenvolvida no laboratório.
Pensamos em utilizar o SWeeP para processar imagens de raio-x. Esse processo reduz o tamanho das imagens sem perder informações essenciais, gerando uma alternativa aos métodos de deep learning comumente usados.
Interessante e instigador. Tivemos a possibilidade de escolher solucionar uma grande gama de problemas, cerca de 200 deles. Em um espaço de tempo muito reduzido, tínhamos de escolher um desafio, elaborar, implementar e apresentar uma solução. O fato de ser totalmente virtual não teve grande impacto no desenvolvimento do projeto, na verdade foi bastante conveniente.