ChestFinder, criada na UFF, usa IA para acelerar identificação de enfisema e câncer de pulmão, ampliando chances de tratamento precoce
Potencial da IA no diagnóstico precoce
Pesquisadores da Universidade Federal Fluminense (UFF) desenvolveram uma nova ferramenta de inteligência artificial chamada ChestFinder para otimizar diagnósticos pulmonares. O sistema analisa exames de tomografia computadorizada e respectivos laudos clínicos com base em grandes bancos de dados. O software busca padrões visuais e textuais que possam indicar enfisema ou câncer de pulmão. O estudo começou há dois anos no Hospital Universitário Antônio Pedro em Niterói.
Os testes iniciais demonstram alta acurácia e sensibilidade na detecção das doenças. Segundo os pesquisadores, o sistema não substitui o médico, apenas sugere sinais relevantes. Quando uma indicação aparece, o paciente pode ser encaminhado inicialmente a um especialista de modo mais ágil. Isso contribui para diagnósticos precoces, potencialmente reduzindo progressão silenciosa das enfermidades. A disponibilização em repositório público permitirá adoção em outros hospitais com arquivos digitais. Médicos poderão usar o ChestFinder para comparar resultados de casos semelhantes registrados.
Funcionalidades do ChestFinder
A ferramenta integra imagens de tomografia com laudos radiológicos em uma abordagem multimodal. Utiliza redes neurais e técnicas de recuperação de imagens semelhantes para fornecer comparações clínicas úteis. Permite que médicos busquem casos compatíveis em contexto clínico similar ao paciente em avaliação. O sistema auxilia na identificação de achados incidentais, especialmente em pacientes que não tinham o objetivo principal da investigação de enfisema ou nódulo.
Isso é particularmente útil em atendimentos de emergência ou exames de rotina que podem revelar condições ocultas. A IA sinaliza potenciais problemas mesmo quando não são foco principal do exame. O uso dessa tecnologia pode diminuir tempo até confirmação diagnóstica. Menor custo com tratamentos pode ser alcançado quando as doenças são detectadas em estágio inicial. O fumo do tabaco segue como fator de risco comum dessas doenças respiratórias graves. A triagem automatizada ajuda também a desafogar filas do SUS e agilizar atendimentos.
Importância social, técnica e clínica
O projeto interdisciplinar envolve especialistas em ciência da computação e radiologia da UFF, com apoio de alunos de graduação e pós-graduação. A base de dados originou-se de exames digitalizados pelo HUAP‑UFF desde 2013, com laudos e imagens armazenadas em formato digital. Os dados históricos permitiram treinar o sistema em contexto real e com volume significativo de casos de enfisema. A ferramenta apresentou aumento de até 52% na precisão quando combinou texto e imagem na análise. A conferência IEEE CBMS premiou, em 2024, o artigo científico que detalha o projeto.
Os pesquisadores pretendem expandir a tecnologia para abranger outras doenças respiratórias, como fibrose pulmonar e bronquiectasias. Hospitais podem integrar o sistema a prontuários eletrônicos para realizar triagens automatizadas. A tecnologia é compatível com exames realizados por diferentes equipamentos e fabricantes. Isso facilita a implementação em hospitais públicos e privados. A inteligência artificial entra como apoio à decisão clínica, preservando o papel do médico. E representa um passo promissor para democratizar o acesso a diagnósticos precisos no Brasil.
Fonte: Agência Brasil
