Saiba mais sobre a COVID-net e como ela pode funcionar no diagnóstico da covid-19!
A pandemia do COVID-19, por necessidade, acelerou o processo de inovação tecnológica no meio médico. As vacinas são um marco importante dessa tendência, mas não são o único.
A DarwinAI e a Red Hat, companhias voltadas ao desenvolvimento de sistemas de inteligência artificial, em linha com essa tendência se uniram com o propósito de catalisar a implementação do COVID-Net.
A COVID-NET é uma rede neural artificial que potencialmente pode dar ou excluir um diagnóstico de COVID-19 a partir de radiografias de tórax.
Apesar desse exame de imagem ter baixa sensibilidade em relação ao diagnóstico de COVID-19 (variando 30 -69%)1 a possível aplicabilidade da tecnologia por trás dessa iniciativa faz com que o COVID-Net mereça nossa atenção.
A radiografia de tórax na pandemia do COVID-19
A radiografia, apesar das suas limitações, apresenta certas vantagens em relação a outros exames, especialmente, durante a pandemia. A instantaneidade da radiografia de tórax, por exemplo, é útil em situações nas quais não se pode aguardar pelo resultado de um PCR.
A portabilidade e o fácil acesso do equipamento radiológico também são características que, no atual contexto, tornam-se extremamente vantajosas, uma vez que não há necessidade de transportar um paciente contagioso que pode estar instável para realizar o exame.
É, entretanto, um impercílio que em prol de uma avaliação mais precisa é necessário um radiologista profissional qualificado. Surge a partir daí a oportunidade para uma ferramenta de auxílio automatizada que acelera esse processo sem perder a precisão do médico especialista.
O que é e como funciona uma rede neural artificial?
A COVID-Net nasce, portanto, a partir dessa oportunidade. A Covid-net é uma rede neural artificial que foi desenvolvida para a detecção de casos de COVID-19 a partir de radiografias de tórax que têm seu código aberto para o público geral.
Para entender as possíveis futuras implicações dessa tecnologia é preciso primeiro compreender o que é uma rede neural artificial.
Rede neural artificial
A rede neural artificial é uma subcategoria dentro do machine learning que tenta replicar a forma de processamento do cérebro humano artificialmente.
Em resumo, o que ocorre é que, durante o período de treinamento, inputs (nesse caso radiografias de tórax) são apresentados ao sistema e processados através de inúmeras camadas de neurônios conectados entre si. Eventualmente, o sistema produz um resultado que pode ou não ser o resultado correto.
Diferença da rede neural artificial e as camadas de neurônios
A máquina, entretanto, sabe o resultado correto, logo, caso o resultado produzido seja diferente do resultado certo. O sistema reajusta as conexões entre os neurônios até que, através do processamento, a máquina consiga prever o resultado correto com uma precisão satisfatória.
O COVID-net e o COVIDx
O input utilizado pelos criadores para treinar o COVID-net foi uma coletânea de 13975 radiografias de tórax tiradas de 13870 pacientes, dentre eles pacientes saudáveis, pacientes com pneumonia e pacientes com COVID-192.
As imagens foram disponibilizadas para o público pelos autores através de um database chamado COVIDx.
Após o período de treinamento do COVID-net foi possível inferir uma sensibilidade de 91% para casos de COVID-19, o que significa que poucas pessoas que tinham a doença foram diagnosticadas como saudáveis2.
Identificação de falsos positivos
Além disso, o COVID-net também apresentou um valor preditivo positivo de 98.9%. O que é importante, uma vez que falsos positivos representam um estresse desnecessário para o paciente e para o sistema de saúde2. O próximo passo para os investigadores seria tentar decifrar como o Covid-net toma suas decisões.
A princípio parece contraintuitvo tentar compreender o método depois de ter os resultados, mas os trabalhos em cima dos sistemas de rede neural artificial funcionam dessa maneira.
Como o COVID-net toma decisões?
O grupo de pesquisadores utilizam estratégias de explicabilidade para tentar decifrar como o COVID-net toma suas decisões a partir das radiografias de tórax e dessa forma ganhar conhecimento acerca dos achados imaginológicos relacionados ao COVID-19.
Achados do COVID-net
Foi identificado que as opacidades em vidro-fosco, anormalidades bilaterais e as anormalidades intersticiais – características radiográficas associadas ao COVID-193 – eram utilizadas pelo sistema para inferir um diagnóstico.
Esses achados nos mostra que a forma como um sistema de rede neurais toma suas decisões é semelhante à forma como um médico formado identifica e processa os aspectos relevantes de um exame de imagem.
O COVID-Net, como ressalta os autores, está longe de ser uma ferramenta pronta para uso imediato, entretanto, o valor da inovação e da transparência científica por trás dessa iniciativa é inquestionável.
Resultados obtidos pelos pesquisadores
Os resultados obtidos pelos pesquisadores demonstram a eficiência dessa nova tecnologia e sua aplicabilidade na saúde. As limitações do COVID-net nos ensina quais tropeços e complicações devemos nos ater quando se trata de um sistema de rede neurais em desenvolvimento.
Além disso, o COVIDx ressalta a importância e o valor que há em compartilhar dados científicos de forma voluntária para que o conhecimento e a inovação possa progredir exponencialmente.
Conclusão
A natureza, mais especificamente os vírus, possui uma maneira de se adaptar e propogar nas mais diversas condições. O SARS-CoV-2, agente etiológico da COVID-19, é um exemplar impiedoso dessa característica natural de adaptação, mas, nós, seres humanos, também somos.
Através da tecnologia e a inovação desenvolvemos as ferramenta necessárias para nos adaptar às condições que são impostas sobre nós, em outras palavras: “A necessidade é a mãe da inovação”.
As soluções não são imediatas, mas as lições são duradouras. O COVID-net não será implementado tão cedo, mas isso não reduz a importância dessa iniciativa. As redes neurais se tornarão cada vez mais pervalentes no meio médico e cabe a nós aprender como utilizá-las da melhor forma.
O texto é de total responsabilidade do autor e não representa a visão da sanar sobre o assunto.
Observação: material produzido durante vigência do Programa de colunistas Sanar junto com estudantes de medicina e ligas acadêmicas de todo Brasil. A iniciativa foi descontinuada em junho de 2022, mas a Sanar decidiu preservar todo o histórico e trabalho realizado por reconhecer o esforço empenhado pelos participantes e o valor do conteúdo produzido. Eventualmente, esses materiais podem passar por atualização.
Novidade: temos colunas sendo produzidas por Experts da Sanar, médicos conceituados em suas áreas de atuação e coordenadores da Sanar Pós.
Posts relacionados:
- A eficácia de antagonistas do receptor de interleucina-6 em pacientes críticos com COVID-19
- Hidroxicloroquina com azitromicina para pacientes ambulatoriais de alto risco: foi efetivo?
- Reações locais tardias à vacina da Moderna
- Transmissão de covid-19 por assintomáticos existe, mas quanto?
- COVID-19 pode causar “curto-circuito” no cérebro
Referências:
Wong HYF, Lam HYS, Fong AHT, et al. Frequency and distribution of chest radiographic findings in COVID-19 positive patients. Radiology. 2020 Mar 27.
Wang, L., Lin, Z.Q. & Wong, A. COVID-Net: a tailored deep convolutional neural network design for detection of COVID-19 cases from chest X-ray images. Sci Rep 10, 19549 (2020). https://doi.org/10.1038/s41598-020-76550-z
Ng, M.-Y. et al. Imaging profile of the COVID-19 infection: radiologic findings and literature review. Radiol. Cardiothorac. Imaging 2(1), e200034 (2020).
