UFPR conquista primeiro lugar em hackathon com projeto de apoio à decisão clínica
Um grupo de mestrandos em Bioinformática da UFPR foi o vencedor do HackCovid19, competição online que premiou soluções inovadoras para os desafios da pandemia. O evento foi organizado pelo Centro Brasileiro de Pesquisas Físicas (CBPF), pela Fundação Oswaldo Cruz (Fiocruz) e pelo Laboratório Nacional de Computação Científica (LNCC) e reuniu quase mil pesquisadores entre os dias 15 e 17 de maio.
A equipe Trekkers – composta pelos estudantes Camila Pereira Perico, Monique Schreiner, Guilherme Taborda Ribas, Leonardo Custodio, André L. Caliari Costa e Selma dos Santos C. de Andrade – utilizou tecnologias já existentes para propor uma plataforma para análise de amostras de Raio-X e detecção de Covid-19: O Classificador de raio-X de pulmão. A UFPR já participa de iniciativas nesse sentido, como publicado aqui.
Os integrantes da equipe Trekkers. Foto – arquivo pessoal
Em três bancos de dados, a equipe obteve 958 amostras de raios-X de pulmões com Covid-19, saudáveis e acometidos por outras enfermidades. As imagens pré-processadas tiveram suas dimensões reduzidas com a Ferramenta SWeeP, desenvolvida pelo Laboratório de Inteligência Artificial Aplicada à Bioinformática da UFPR. Em sua aplicação normal, a SWeeP transforma o arquivo de sequências biológicas (nucleotídeos ou aminoácidos) em matrizes numéricas, tornando possível a manipulação destes dados em computadores.
No projeto vencedor, a equipe utilizou a ferramenta para reduzir o tamanho as matrizes originadas das imagens de raios-X. O uso do SWeeP torna possível a redução de dimensão dos dados sem perda de informação, reduzindo assim o tempo de processamento das amostras.
Após a redução dos arquivos, os dados foram submetidos à análise de um tipo de rede neural, chamada MLP, que é treinada com as informações das imagens categorizadas, pré-processadas e convertidas em matrizes. Assim, é possível determinar diferenciações que não são perceptíveis a olho humano, promovendo assim uma classificação mais precisa em amostras saudáveis, com Covid-19 ou com outra doença. Nos testes aplicados pela equipe durante o Hackaton, a rede acertou o diagnóstico em 70% dos casos.
Por fim, foi criado um protótipo de um site, para facilitar o uso por profissionais de saúde e deixar o uso da ferramenta mais intuitivo. O portal foi planejado para que o profissional de saúde faça o upload da imagem do raio-X e receba a classificação prevista pela rede, auxiliando no processo de diagnóstico.
Esquema de funcionamento do classificador, com o auxílio das ferramentas SWeeP e MLP
A mestranda Monique Schreiner revela que, para o projeto chegar à aplicação, a equipe deve testar outros tipos de redes neurais para identificar as imagens e alcançar melhores resultados. “Quando pronto, basta o profissional de saúde inserir as imagens de raio-X e terá em um espaço de tempo curto para análise e a classificação da imagem”, esclarece a pesquisadora. Para tanto, a Trekkers admitirá novos integrantes e está em contato com hospitais para realização de parcerias para o fornecimento de imagens em melhor qualidade para novos testes. O projeto continuará sob a coordenação do professor Dieval Guizelini, também da Pós-Graduação em Bioinformática.
Pelo primeiro lugar no hackaton, os pesquisadores receberão o troféu #cientistaspelavida, certificado e uma série de consultorias que ajudarão a colocar o projeto em prática, em instituições como o Serviço Brasileiro de Apoio às Micro e Pequenas Empresas (Sebrae), a Organização Mundial da Propriedade Intelectual (OMPI) e o Programa das Nações Unidas para o Desenvolvimento (PNUD). Para a mestranda, os treinamentos darão à equipe a visão de quem usará a plataforma no futuro. “Na universidade a gente tem uma visão mais acadêmica e não do usuário final. Eu fico muito feliz, pois o nosso trabalho poderá ajudar as pessoas fora da academia”, destaca Monique.
Por João Cubas, com informações do PPG-Bioinfo
Saiba tudo sobre as ações da UFPR relacionadas ao novo coronavírus