Notícia

Jornal da Unicamp

Agressividade do bem

Publicado em 03 novembro 2014

Por Manuel Alves Filho

Dito de forma simplificada, o diagnóstico do melanoma é feito principalmente com base no famoso critério ABCD sobre a lesão: A para Assimetria, B para irregularidade da Borda, C para Cor, e D para Diâmetro. “Técnicas convencionais tentam mapear diretamente esses critérios para a máquina, usando processamento de imagem para detectar a borda e identificar se ela é irregular ou não. Entretanto, o que temos aprendido ao longo do tempo é que essas técnicas calcadas na forma como o ser humano faz o diagnóstico não são as que têm a melhor acurácia. Isso acontece porque elas não usam as melhores potencialidades da máquina. Ao forçar demais o raciocínio humano em cima da máquina, nós não aproveitamos as maiores características desta, entre elas a capacidade de olhar muitos detalhes de forma rápida e em paralelo”, diz Valle.


São justamente esses atributos da máquina que a equipe da FEEC procura explorar ao máximo. “A nossa abordagem não tenta mapear explicitamente os procedimentos médicos. O que estamos fazendo é usar técnicas agressivas de reconhecimento de padrões de imagens. Isso é feito por meio do chamado aprendizado da máquina. A partir de um conjunto de imagens anotadas, no qual o médico aponta o que é e o que não é melanoma, a máquina faz o reconhecimento e ela própria decide o que deve e o que não deve merecer atenção. Ou seja, a máquina reconhece determinados padrões de textura, cores e formas que caracterizam o melanoma. Os resultados que temos obtidos são compatíveis com o estado da arte desse tipo de pesquisa”, assegura Valle.


Em termos percentuais, a literatura aponta que as principais técnicas de reconhecimento de imagens aplicadas ao diagnóstico do melanoma alcançam uma precisão que varia de 80% a 90%. Há muita incerteza, trazida pela falta de preocupação com a reprodutibilidade dos resultados alcançados por diferentes técnicas de triagem automática da doença. “Cada pesquisador utiliza uma base de dados distinta, sendo que as bases variam enormemente em dificuldade e tamanho. Além disso, os pesquisadores também utilizam técnicas diferentes e que não são descritas detalhadamente, o que dificulta a sua reprodutibilidade. Ademais, o programa de computador gerado na pesquisa raramente é divulgado”, elenca o professor Valle. De acordo com ele, os índices de acurácia obtidos pela sua equipe estão acima dos 90%.


Tão importante quanto ampliar a precisão da técnica, entende o pesquisador, é garantir a reprodutibilidade dela. “Nós trabalhamos como uma base de dados alemã, que não é nossa, mas que estamos negociando para que se torne pública. Quanto ao código do programa, ele é nosso e já está no ar para que os interessados tenham acesso”, informa. Questionado sobre quais as maiores dificuldades enfrentadas para fazer com que a pesquisa chegasse ao patamar atual, Valle responde que o maior problema foi obter uma base de dados com as anotações médicas. Ele conta que foram meses de trabalho até conseguir as informações, graças à intermediação de uma pós-doutoranda do seu grupo e à generosidade de um pesquisador alemão, que cedeu o material.


Posteriormente, a equipe conseguiu comprar uma segunda base de dados anotada, que pertence a uma editora italiana. Esta conta com mil imagens. “Outra dificuldade é estabelecer cooperação com o pessoal da área médica, que é indispensável nesse tipo de estudo. O médico não somente ajuda a obter e a anotar dados, mas também torna a interpretação muito mais fina. Esse profissional traz novos conhecimentos e novas visões que os recursos computacionais não conseguem proporcionar”, pormenoriza o professor Valle. Após várias tentativas, prossegue o docente, sua equipe finalmente obteve apoio da médica Flávia Bittencourt, docente da Universidade Federal de Minas Gerais (UFMG). Foi a partir dessa colaboração que o estudo sofreu um significativo impulso.


O professor Valle observa que embora o objetivo da pesquisa seja aprimorar a acurácia da técnica, algumas medidas derivativas também merecem atenção. O pesquisador se refere aos resultados “falso positivo” e “falso negativo” proporcionados pela triagem automática. O primeiro não é tão grave, pois é descartado assim que o paciente é examinado de forma detalhada pelo médico. Já o segundo pode trazer sérias implicações, dado que o portador do melanoma não será encaminhado para atendimento na ocasião, o que pode comprometer o diagnóstico e o tratamento precoces. “Existe uma série de medidas associadas que permite verificar se o método está ou não funcionando. Esse protocolo é importante e deve ser seguido”, considera.


A despeito dos avanços obtidos, o docente da FEEC avalia que ainda há espaço para aprimorar a técnica. Valle diz que o objetivo não é chegar aos 100% de acerto, mas sim errar tanto quando o médico. “A pesquisa acaba quando a técnica alcançar uma qualidade igual à das anotações médicas, visto que estas não são perfeitas. Elas são feitas por seres humanos, que obviamente são falíveis. Alguns trabalhos da literatura estudam quanto os médicos erram. Embora esse índice ainda não seja claro, nós estamos tentando determiná-lo. Digamos, por hipótese, que o médico acerte 98% dos diagnósticos. Então, nossa meta será chegar aos mesmos 98%”, esclarece o pesquisador.


Valle enfatiza que sua equipe, formada pela pesquisadora Sandra Avila (pós-doutorado), e pelos estudantes Michel Fornalciali (mestrado), Micael Carvalho (mestrado), Ivan Petrin (graduação) e Tiago Ferreira (graduação), trabalha com a perspectiva de que a técnica em questão se transforme futuramente em um produto que possa trazer benefícios à sociedade. “É difícil projetar quando isso poderá acontecer. Como se trata de uma inovação na área da saúde, isso envolve uma série de testes rigorosos, que precisam seguir protocolos experimentais. Os testes clínicos que antecedem o produto, por exemplo, são extensos. De todo modo, nossa expectativa é de que as pessoas possam se beneficiar da nossa pesquisa o mais breve possível”.


O docente da FEEC assinala, por último, que a pesquisa em torno da triagem automática tem sido desenvolvida no âmbito do laboratório intitulado Reasoning for Complex Data (Recode), do qual participam outros quatro docentes além dele: Anderson Rocha, Jacques Wainer, Ricardo Torres e Siome Goldenstein. O estudo contra com apoios da Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp), Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes), Samsung Eletrônica da Amazônia, Microsoft Azure, Amazon Web Services e Centro Nacional de Processamento de Alto Desempenho (Cenapad).