Leitura rápida

Diagnósticos de enfisema e câncer de pulmão podem ser melhorados com análise tomográfica por inteligência artificial
25 de julho de 2025, 10:14

Fonte

Alícia Carracena, UFF

Publicação Original

Universidade Federal Fluminense

Áreas

Ciência de Dados, Computação, Engenharia Biomédica, Física Médica, Imagens Médicas, Medicina, Modelagem Matemática, Oncologia, Pneumologia, Processamento de Imagens, Radiologia, Telemedicina

Compartilhar

Resumo

Pesquisadores da Universidade Federal Fluminense (UFF) aplicaram Inteligência Artificial (IA) na análise de tomografias computadorizadas (TC) do tórax para identificar sinais de enfisema pulmonar – doença respiratória crônica frequentemente associada ao tabagismo – e câncer de pulmão, doenças que podem permanecer silenciosas por longos períodos.

O estudo, iniciado há quase dois anos, utiliza exames de imagem e laudos médicos realizados no Hospital Universitário Antônio Pedro (HUAP-UFF) entre 2013 e 2019 para estruturar um banco de dados e aplicar ferramentas de IA na identificação de padrões visuais e textuais que ajudem no diagnóstico precoce e na diferenciação de lesões pulmonares.

O projeto interdisciplinar foi liderado pelo Dr. Marcos Bedo e pelo Dr. Daniel de Oliveira, professores do Instituto de Computação da UFF, e pela Dra. Cristina Asvolinsque, professora do Departamento de Radiologia da UFF, com a participação de alunos da graduação e pós-graduação de ambos os cursos.

Os primeiros resultados – publicados na 37ª edição do IEEE International Symposium on Computer-Based Medical Systems (CBMS) em 2024 – já demonstraram o potencial da abordagem. “A ideia é transformar esse conjunto de dados em uma base consultável por profissionais da saúde, com apoio da Engenharia de Dados e da Inteligência Artificial. Em vez de depender exclusivamente da experiência clínica, histórico e especialização radiológica, o radiologista agora poderá passar a contar com um sistema que auxilia a encontrar exames e laudos semelhantes já registrados em relação a um novo caso não diagnosticado ou em tratamento”, explicou o professor Marcos Bedo.

A metodologia adotada combina diferentes tecnologias, texto e imagem para realizar o que os pesquisadores chamam de ‘busca multimodal’. Para isso, foi utilizado o sistema de recuperação ChestFinder, que aprimora a busca de TC de tórax relacionada ao enfisema. Dessa forma, o sistema integra o conteúdo das imagens médicas com trechos dos laudos escritos por radiologistas. Por meio de métodos de buscas por similaridade e com o apoio de redes neurais e modelos de linguagem, a ferramenta é capaz de cruzar essas informações e indicar, com maior precisão, casos semelhantes presentes no banco de dados.

Além de representar um avanço no diagnóstico por imagem, a proposta também responde a um desafio comum nos hospitais públicos brasileiros: a sobrecarga dos profissionais e a escassez de recursos. Ao oferecer uma ferramenta que amplia a precisão e reduz o tempo de análise, o estudo também visa melhorar a eficiência do atendimento e reduzir custos com exames desnecessários ou invasivos.

“A região do tórax envolve muitas doenças diferentes, cada uma com suas próprias características. Muitas vezes, a tecnologia consegue se aproximar bastante do diagnóstico final”, concluiu a professora Cristina Asvolinsque, destacando o potencial da Engenharia de Dados e da IA como aliada na interpretação médica das imagens.

Em suas publicações, o Portal SciAdvances tem o único objetivo de divulgação científica, tecnológica ou de informações comerciais para disseminar conhecimento. Nenhuma publicação do Portal SciAdvances tem o objetivo de aconselhamento, diagnóstico, tratamento médico ou de substituição de qualquer profissional da área da saúde. Consulte sempre um profissional de saúde qualificado para a devida orientação, medicação ou tratamento, que seja compatível com suas necessidades específicas. 

Autores/Pesquisadores Citados

Dr. Marcos Bedo

Professor do Instituto de Computação da Universidade Federal Fluminense (UFF)

Dr. Daniel de Oliveira

Professor do Instituto de Computação da Universidade Federal Fluminense (UFF)

Dra. Cristina Asvolinsque

professora do Departamento de Radiologia da Universidade Federal Fluminense (UFF)

Mais Informações

Acesse a notícia original completa na página da Universidade Federal Fluminense.

Comunique um Erro

Notícias relacionadas

Nova técnica acelera diagnósticos de câncer infantil

Universidade Federal do Rio de Janeiro

E-books relacionados

Rolar para cima