O Laboratório de Computação de Imagens Médicas (MICLab – Medical Imaging Computing Lab) da Unicamp chega aos 15 anos de existência em 2023 não apenas mantendo as frentes originais de investigação sobre o cérebro, como também atuando no desenvolvimento de métodos e algoritmos para a análise de dados e imagens que contribuem em tratamentos de doenças decorrentes da Covid-19 e de moléstias da pele.
“Começamos muito focados em doenças do cérebro, mas, em razão da Covid, compreendemos que deveríamos estender um pouco o nosso olhar para fora do cérebro. Passamos, assim, a trabalhar em imagem do tórax e de outras estruturas e até de outras modalidades”, explica a coordenadora do laboratório, Leticia Rittner, professora do Departamento de Engenharia de Computação e Automação da Faculdade de Engenharia Elétrica e de Computação (Feec) da Unicamp.
A mudança de eixo nas pesquisas, segundo ela, tem a ver com o grau de maturidade do laboratório. “Quando você está começando, precisa focar para aprender e criar colaborações duradouras com os especialistas. A partir de um nível de maturidade maior, a gente pode ousar, ampliar nosso escopo”, argumenta.
Foi nesse contexto que os pesquisadores do MICLab iniciaram uma investigação relacionada à pandemia. “A gente estava vendo hospitais lotados, pessoas em busca de confirmação da infecção e um número insuficiente de testes. Foi, então, que o laboratório participou de um desafio do governo do Estado [Ideia Gov] para encontrar um método rápido, baseado em inteligência artificial, que identificasse pessoas infectadas pelo vírus”, conta.
Rittner recorda que a ideia era aplicar o método em pacientes que estivessem na fila de espera, aguardando o resultado do teste laboratorial. Uma ferramenta que dissesse, em segundos, por meio de raio X e tomografia computadorizada, se a pessoa estava infectada ou não. O grupo passou, então, a desenvolver técnicas de identificação de pulmões acometidos por Covid.
Segundo ela, conversando com médicos, os pesquisadores perceberam que o mais importante, naquela circunstância, era buscar uma forma de quantificar o grau de acometimento – uma informação fundamental para decidir, por exemplo, quem deveria ter prioridade na fila de internação.
“Houve casos de pacientes infectados pelo vírus e mandados para casa que morriam em seguida. Ou seja, não deveriam ter tido alta”, explica a professora. “Mais do que dizer se o paciente tinha ou não Covid, os médicos queriam caracterização e quantificação”, explicou. Foi nesse ponto que começou o trabalho do pesquisador Diedre Carmo, que passou a segmentar o pulmão, ou seja, a isolar a estrutura do restante do organismo.
Na segmentação automática, o algoritmo desenha toda a borda do órgão, faz uma espécie de segregação para que se possa retirar dali uma série de medidas quantitativas. “A segmentação do pulmão é fácil para o caso de uma pessoa saudável, mas fica muito complicada em pacientes com uma patologia”, explica Carmo. Ele diz que, neste último caso, as bordas ficam borradas e, por isso, a segmentação é imprecisa. “E os sinais de consolidação da Covid se dão justamente nas bordas”, observa.
A partir do trabalho de segmentação do pulmão, foi preciso também segmentar os achados – processo de identificação de toda a região que apresenta a patologia e, a partir desses dados, definir localização, volume e a porcentagem do órgão tomado pela patologia. E isso precisava ser feito em cada um dos pulmões. Essa avaliação tornou-se importante para definir não apenas a abordagem inicial mas também o rumo do tratamento, já que o médico podia comparar o estado do órgão entre um exame e outro. Antes, esse procedimento era feito apenas com base em estimativas.
Hoje, o modelo pensado por Carmo consegue segmentar tanto o pulmão, ainda que o órgão apresente patologias severas, como todos os achados registrados em regiões não saudáveis, incluindo também as vias aéreas. Segundo o pesquisador, o método foi aplicado em 350 pacientes e conseguiu estabelecer uma relação entre a vacinação e o grau de severidade dos danos no pulmão.
“Trata-se de um achado médico importantíssimo porque essa foi a primeira evidência de que a vacinação, mesmo na pós-infecção, diminui as sequelas pós-Covid. E é uma evidência quantificável que só foi possível porque a ferramenta é extremamente detalhista”, diz a professora. Ela lembra que o modelo foi usado em um estudo de caso real e está disponível, online, para qualquer pesquisador do mundo. Entre maio e junho, Carmo deve apresentar o estudo em um congresso da American Thoracic Society (Sociedade Torácica Americana, na sigla em inglês), nos Estados Unidos.