Pesquisadores da UFU analisam imagens radiológicas de pulmões para diagnóstico de Covid-19

Integrante da equipe coordenada por Ana Cláudia Patrocínio, da Faculdade de Engenharia Elétrica. (foto: Acervo da pesquisadora)

A Covid-19 ficou conhecida em dezembro de 2019, a partir de um grupo de pacientes com pneumonia de causa desconhecida, eles foram vinculados a um atacado de comidas marinhas em Wuham, Província de Hebei, China. Desde então a epidemia se espalhou rapidamente atingindo todos os continentes e segue até o presente momento. Através de segmento imparcial e amostras de pacientes, foi descoberto um novo coronavírus, nomeado 2019-nCoV.

Até agora, a partir de alguns estudos realizados, principalmente na China, foi possível determinar algumas características em comum dos exames de imagem dos pacientes acometidos pela Covid-19. Uma das investigações foi realizada em um multicentro de estudos na cidade de Wenzhou, província de Zhejiang, China. Nele, foram coletados os exames de pacientes entre 17 de janeiro e 10 de fevereiro. 

Todos foram hospitalizados e testaram positivos para o exame laboratorial. A partir dos exames de Tomografia Computadorizada (TC), dois radiologistas, com 7 e 17 anos de experiência, puderam extrair algumas características típicas dos exames dos pacientes acometidos por esta doença. 

A partir do exame de 149 pacientes, foram encontradas como principais características a presença de lesões localizadas em maior quantidade na periferia dos pulmões e com forma oval. Foi encontrado opacidade em vidro fosco (GGO) e GGO misto. Todos os pacientes de Wuhan apresentaram infiltração pulmonar na TC de tórax.

Em um outro trabalho, usando radiografia de tórax, foi possível determinar a progressão da doença. No caso onde o paciente estava no estágio inicial da Covid-19, foram encontrados apenas opacidades em vidro fosco no segmento basal lateral do lobo inferior direito. Nos casos em que a doença estava em um estágio mais avançado, além das múltiplas opacidades em vidro fosco, foram encontradas uma distribuição de lesões na região subpleural e na periferia dos pulmões. Também foi encontrado um espessamento septal interlobular. Em alguns exames, foram encontrados GGOs em múltiplos lobos e em ambos os pulmões e isto aconteceu em estágios avançados da doença.

Como o vírus ataca os pulmões e provoca pneumonia, imagens de pulmão como radiografia de tórax e tomografia computadorizada de pulmão tem sido exames que auxiliam no prognóstico e até mesmo no diagnóstico da doença.

As imagens radiográficas de tórax são imagens de baixo contraste e, no geral, de difícil leitura pelos radiologistas, o que leva, muitas vezes, a falsos negativos, pois é difícil perceber diferenças entre uma pneumonia causada por Covid-19 e de outra pneumonia qualquer.

Com nossa experiência em processamento de imagens médicas e sistemas computadorizados de auxílio ao diagnóstico (sistemas CAD), surgiu então a motivação para trabalhar com estas imagens e tentar detectar (em nível de diferenças sutis de relação entre pixels que compõem as imagens) alterações nas imagens da radiografia de tórax que pudessem caracterizar e diferenciar uma imagem de pneumonia causada por Covid-19 de outras.

Esta motivação se deu, principalmente, porque a radiografia de tórax é o exame mais pedido de imagens  em unidades de saúde. Então se o paciente com sintomas, ao fazer a radiografia, fosse detectado que estava com alterações características da Covid-19,  medidas poderiam ser tomadas para  que evitasse que este paciente chegasse a estado crítico.

Motivada com tudo que estamos vivendo e depois de ler um pouco a respeito, lancei aos meus alunos do grupo de pesquisa na área de imagens médicas (no Laboratório de Engenharia Biomédica – BIOLAB) o desafio de estudarmos um pouco a literatura e com nossos conhecimentos prévios propormos soluções para caracterizar a Covid-19 em imagens radiográficas e de tomografia computadorizada.

Então estamos adaptando técnicas (desenvolvidas em trabalhos anteriores) que usávamos para processamento de imagens para sistemas CAD em mamografia para imagens radiográficas de tórax.

Somos uma equipe composta por mim, 5 pós-graduandos (Pedro Sousa, Mariane Modesto, Paulo Camargos, Matheus Capo e Carlos Alberto da Costa Jr.), quatro alunas de iniciação científica (Gabrielle Macedo, Moara Pinheiro, Julia Paixão e Rafaela Dimitra) e uma aluna de TCC (Ana Laura Shimamoto), e já iniciamos a revisão bibliográfica e os testes com processamento de análise das imagens.

O aluno Pedro Sousa (doutorando) iniciou os testes com redes neurais artificiais (deep learning) para classificar as imagens em “Covid-19” e “não Covid-19”. Este esquema pode ser visto na Figura 1.

Figura 1- Rede neural artificial para classificação de pneumonia por Covid-19

Em testes preliminares já obtivemos 96% de acerto. A proposta é, ao realizar um exame de radiografia de tórax, inserir a imagem no software (que usa redes neurais artificiais) e classificá-la em “Covid-19” ou “não Covid-19”.

Em paralelo com a classificação por redes neurais artificiais estamos trabalhando com extração de atributos (medidas numéricas) que caracterizam a textura da imagem, para conseguir relacionar com as características visuais já descritas na literatura. Pois características visuais apontam para aspectos bem definidos de textura, variação de intensidade de tons de cinza e localização de lesões em imagens de pacientes com Covid-19. 

A Figura 2 mostra um gráfico que apresenta um primeiro teste de atributos de textura.

Figura-2 Gráfico com descritores de textura para radiografia de tórax com e sem Covid-19

Com o trabalho em andamento, surgiu então o convite para a participação em um projeto (Análise da assinatura radiômica em imagens radiológicas na pneumonia por Covid-19) em colaboração com a PUC do Rio Grande do Sul, através da professora Ana Maria Marques da Silva, coordenadora do Laboratório de Computação em Imagens Médicas (MEDICOM), do Programa de Pós-graduação em Engenharia Elétrica da PUC. Nesse projeto iniciaremos os testes com imagens de tomografia computadorizada.

O objetivo desse projeto é implementar uma estratégia de análise em imagens radiológicas, buscando diferenças entre indivíduos positivos para a Covid-19 e outras doenças pulmonares infecciosas e inflamatórias, correlacionando-os com os desfechos da pneumonia atípica.

Vale ressaltar que com a parceria entre o grupo de imagens médicas da UFU, coordenado por mim, e o grupo de pesquisa da professora Ana Maria Marques da Silva, da PUC, nossos trabalhos tendem a avançar mais rapidamente. A todo momento temos novidades e resultados chegando, e isto vai dando entusiasmo aos nossos alunos e ao grupo como um todo.

Estamos, neste momento, trabalhando com várias bases de imagens de radiografia e tomografia computadorizada que vem sendo disponibilizadas por instituições e sociedades internacionais de pesquisa. O mundo está tentando auxiliar na pandemia da Covid-19. Temos limitações de processamento de volume de dados, mas com parcerias vamos tentando driblar as dificuldades. Depois de tanto tempo sem investimento em pesquisa, temos que trabalhar com o que temos, e uma boa dose de empenho, dedicação e paciência nos ajuda a obter resultados e colher bons frutos.

*Ana Claudia Patrocinio é coordenadora do curso de graduação em Engenharia Biomédica e professora do programa de pós-graduação em Engenharia Biomédica. Pesquisadora na área de Imagens Médicas no Laboratório de Engenharia Biomédica (BIOLAB) da Faculdade de Engenharia Elétrica (Feelt).

A seção "Leia Cientistas" reúne textos de divulgação científica escritos por pesquisadores da Universidade Federal de Uberlândia (UFU). São produzidos por professores, técnicos e/ou estudantes de diferentes áreas do conhecimento. A publicação é feita pela Divisão de Divulgação Científica da Diretoria de Comunicação Social (Dirco/UFU), mas os textos são de responsabilidade do(s) autor(es) e não representam, necessariamente, a opinião da UFU e/ou da Dirco. Quer enviar seu texto? Acesse: www.comunica.ufu.br/divulgacao. Se você já enviou o seu texto, aguarde que ele deve ser publicado nos próximos dias.