Vencedores de maratona de programação criam soluções para facilitar diagnóstico de doenças pulmonares

Organizada com apoio do Programa das Nações Unidas para o Desenvolvimento (PNUD), a maratona virtual de programação Hackcovid-19 buscou soluções tecnológicas para amenizar impactos da pandemia, premiando projetos focados em inovação para a interpretação de exames médicos.

A equipe vencedora da categoria geral, Treckkers, desenvolveu um sistema de reconhecimento de imagens de exames raios-x de pulmão que, por serem mais acessíveis, podem auxiliar no diagnóstico e na identificação de doenças pulmonares.

Foto: Equipe Treckkers

Foto: Equipe Treckkers

A maratona virtual de programação Hackcovid-19, desafio focado em encontrar soluções tecnológicas para amenizar impactos da pandemia, consagrou campeões nas categorias geral e computacional projetos focados em inovação para a interpretação de exames médicos.

Realizada entre 15 e 17 de maio, a maratona virtual reuniu 983 participantes e recebeu 82 propostas com foco em soluções para os impactos da pandemia. A iniciativa é do Centro Brasileiro de Pesquisas Físicas (CBPF), da Fundação Oswaldo Cruz (Fiocruz) e do Laboratório Nacional de Computação Científica (LNCC), com apoio do Programa das Nações Unidas para o Desenvolvimento (PNUD).

A equipe vencedora da categoria geral, Treckkers, é formada por alunos do mestrado em Bioinformática da Universidade Federal do Paraná (UFPR). No projeto, eles desenvolveram um sistema de reconhecimento de imagens de exames Raios-X de pulmão, que, por serem mais acessíveis do que as tomografias, podem auxiliar no diagnóstico e na identificação de doenças pulmonares.

Já a proposta premiada na categoria Computação, da equipe Coviseg, apresenta um software que segmenta imagens de tomografia computadorizada (TC) para ajudar diagnósticos clínicos como derrame pleural, opacificação e consolidação em vidro fosco.

Como a TC é uma das formas de detectar o novo coronavírus, o método inteligente poderia acelerar o diagnóstico da doença, principalmente em áreas vulneráveis, onde há menos técnicos capacitados para interpretar o exame.

Os membros da equipe Treckkers integram um laboratório de pesquisas sobre Inteligência Artificial da UFPR e escolheram como desafio o auxílio ao diagnóstico.

“Nem todos podem ter acesso rápido à tomografia, então pensamos: sabendo que o exame mais comum e acessível é o raio-x, poderíamos utilizar a imagem para servir de entrada para a nossa Inteligência Artificial”, disse a mestre em Bioinformática Camila Perico.

O projeto propõe que as imagens de raio-x sejam processadas por um método para tratar sequências biológicas. “Essas sequências são lidas, passadas por uma projeção, a base do SWeeP (Spaced Words Projection), ferramenta que reduz o tamanho das imagens”, explica Perico.

Dessa forma, a equipe projeta as imagens para um tamanho menor e, em seguida, as encaminha para uma rede neural que as classifica em uma entre três categorias: normal (ou seja, o paciente está saudável), indícios de COVID-19 ou outras patologias diversas.

De acordo com a equipe de programação, o objetivo seria acelerar o isolamento de pacientes ainda não diagnosticados. “Nossa meta não é fazer o diagnóstico em si, pois sabemos que ele é feito com o exame PCR. A ferramenta funcionaria como um indicativo para o médico isolar o paciente e evitar maior contágio ou encaminhar para o exame de PCR, acelerando a identificação da doença”, afirma.

A técnica segue sendo aprimorada: durante o desafio, os participantes desenvolveram uma ferramenta com um percentual de acertos de 70%. Para ampliar a escala possível de atuação, eles pretendem aumentar o banco de dados. “Estamos buscando parcerias com hospitais que possam fornecer imagens, pois quanto mais imagens tivermos, melhor para o treinamento das redes, e maior é a garantia de acertos”, completa a estudante.

A equipe Treckkers é formada por Camila Pereira Perico, Monique Schreiner, Guilherme Taborda Ribas, André Luiz Caliari Costa, Leonardo Garcia Custodio e Selma dos Santos Carolino de Andrade.

Categoria Computação: Coviseg

O graduando em Física da Universidade Federal do Rio de Janeiro (UFRJ) e aluno de iniciação científica do CBPF, Gabriel Teixeira, e o doutorando do CBPF em Informação Quântica Nahum Sá se conheceram pelo chat do Hackcovid-19 e decidiram trabalhar juntos depois de identificar interesses comuns.

O projeto deles, ganhador do prêmio da categoria especial de Computação, é um software que, por meio de Inteligência Artificial, estima quais áreas costumam ser lesionadas em pacientes contaminados pela COVID-19 a partir de tomografias do pulmão.

“Em geral, esse tipo de exame exige a presença de um radiologista para verificar as áreas de interesse [onde costuma haver lesão]”, explica Teixeira. O método seria capaz de identificar tais áreas a partir do que os radiologistas segmentaram anteriormente, ensinando a máquina a identificar os locais das lesões mais comuns.

Durante a pesquisa para a elaboração da proposta, os estudos indicaram que o exame de tomografia, mais delicado, é capaz de identificar lesões em casos mais iniciais da doença. “O tempo que o especialista demora analisando pode ser precioso, e a ferramenta é capaz de agilizar um dos métodos do diagnóstico. Quanto maior a velocidade de descobertas das lesões, mais pessoas poderão ser tratadas”, explica Sá.

Segundo a dupla, os principais desafios para a elaboração da ferramenta foram técnicos. A equipe pretende aprimorar a ferramenta para que os hospitais tenham acesso à plataforma, principalmente em regiões com mão de obra escassa de radiologistas.

Para Teixeira, os médicos sentiriam um impacto positivo no uso da ferramenta. “Eles estão em risco, não só considerando a saúde, mas também o estresse. Neste momento, todos têm de tomar decisões rápidas. Uma ferramenta como essa pode ajudá-los a tomar melhores decisões e, assim, a salvar mais vidas”, diz.

“Quando se está na academia, pesquisando, por vezes você fica distante da sociedade, principalmente na minha área de pesquisa (computação quântica). Poder ajudar na linha de frente nos dá um incentivo: fazendo um pouquinho, a gente sente que faz parte de algo maior” afirma Sá.

2º e 3º colocados propõem uso de robôs contra impactos da pandemia

Das quatro propostas vencedoras do Hackcovid-19, a segunda e a terceira colocadas propõem o uso de robôs para garantir a usuários o acesso a informações verificadas e ao atendimento inclusivo na rede primária de saúde.

A proposta vice-campeã, Hackcovid à Vera, foi idealizada por alunos de pós-graduação de diferentes áreas que atuam como pesquisadores do LNCC, vinculado ao Ministério da Ciência, Tecnologia e Inovações. O objetivo do projeto é combater, de forma precisa e automática, informações falsas e boatos que circulam na internet durante a pandemia.

Já o projeto Dra. June, contemplado com o terceiro lugar, foi proposto por integrantes do laboratório de inovação do Instituto de Ciência e Tecnologia em Biomodelos da Fiocruz. Trata-se de um sistema de mensagens automático (chatbot) para atendimento inclusivo na rede primária de saúde em casos suspeitos de COVID-19.

Hackcovid-19

O processo de seleção dos vencedores do Hackcovid-19, dentre as 82 propostas enviadas, contou com uma comissão julgadora de 12 pessoas, considerando os critérios de criatividade, aplicabilidade da solução, apresentação do pitch (resumo do projeto para possíveis investidores), disruptividade da inovação e viabilidade tecnológica.

O PNUD apoiou as diferentes etapas da maratona virtual, desde a disseminação da chamada pública até a publicização das propostas vencedoras, passando pela ativação e monitoria de iniciativas e a colaboração técnica com seu comitê de seleção.