Quando o imunologista Helder Nakaya<\/a> visitou o Instituto Evandro Chagas, em Bel\u00e9m (PA), em 2017, havia uma como\u00e7\u00e3o porque um dos melhores microscopistas da entidade estava se aposentando \u00e0 \u00e9poca. Com isso, grande parte daquele conhecimento que permitia identificar rapidamente e com precis\u00e3o cepas do protozo\u00e1rio Leishmania se perderia.<\/p>\n “Fiquei intrigado achando um desperd\u00edcio perder toda a expertise acumulada por d\u00e9cadas. Foi a\u00ed que come\u00e7amos a pesquisar e tentar treinar o computador com a sabedoria do profissional para atuar na identifica\u00e7\u00e3o de microrganismos e com baixo custo”, explica Nakaya \u00e0 Ag\u00eancia FAPESP.<\/p>\n Cinco anos depois, um grupo de pesquisadores, sob a coordena\u00e7\u00e3o de Nakaya e do cientista Mauro C\u00e9sar Cafund\u00f3 de Morais<\/a>, publicou o resultado de um estudo mostrando que \u00e9 poss\u00edvel usar intelig\u00eancia artificial para detectar o Trypanosoma cruzi<\/em>, protozo\u00e1rio causador da doen\u00e7a de Chagas, em imagens de amostras de sangue obtidas com celular<\/a> e analisadas em microsc\u00f3pio \u00f3ptico.<\/p>\n O algoritmo desenvolvido pelo grupo est\u00e1 dispon\u00edvel em artigo<\/a> publicado sexta-feira (27\/05) na revista cient\u00edfica PeerJ. A pesquisa recebeu apoio da FAPESP (projetos 20\/12017-9<\/a> e 15\/22308-2<\/a>) e reuniu profissionais de v\u00e1rias \u00e1reas, desde biologia at\u00e9 matem\u00e1tica e computa\u00e7\u00e3o.<\/p>\n \t Pesquisadores brasileiros desenvolveram um algoritmo capaz de identificar o protozo\u00e1rio Trypanosoma cruzi em fotos de amostras de sangue obtidas com c\u00e2meras de dispositivos m\u00f3veis. M\u00e9todo de baixo custo foi descrito na revista PeerJ e pode ser reproduzido<\/p>\n Imagem: Acervo dos pesquisadores<\/span><\/figcaption><\/figure>\n<\/div>\n “Conseguimos um bom resultado de aprendizagem da m\u00e1quina. Tendo o algoritmo funcionado bem para doen\u00e7a de Chagas, ele poder\u00e1 ser adaptado para outros prop\u00f3sitos que dependam de imagens, como an\u00e1lise de amostras de fezes, dermatologia e colposcopia”, diz Nakaya, que \u00e9 pesquisador do Hospital Israelita Albert Einstein, da Plataforma Cient\u00edfica Pasteur-USP, do Instituto Todos pela Sa\u00fade e do Centro de Pesquisa em Doen\u00e7as Inflamat\u00f3rias<\/a> (CRID<\/a>), um Centro de Pesquisa, Inova\u00e7\u00e3o e Difus\u00e3o (CEPID) da FAPESP sediado na Faculdade de Medicina de Ribeir\u00e3o Preto da Universidade de S\u00e3o Paulo (FMRP-USP).<\/p>\n Uma forma de diagn\u00f3stico da doen\u00e7a de Chagas \u00e9 feita por microscopistas treinados que detectam os parasitas em amostras de sangue. Para isso, \u00e9 preciso um microsc\u00f3pio profissional, que pode ser acoplado a uma c\u00e2mera de alta resolu\u00e7\u00e3o, mas isso muitas vezes deixa o m\u00e9todo caro e de dif\u00edcil acesso para pessoas de baixa renda.<\/p>\n Classificada pela Organiza\u00e7\u00e3o Mundial da Sa\u00fade (OMS) como uma das doen\u00e7as tropicais negligenciadas (DTNs), a de Chagas \u00e9 considerada uma condi\u00e7\u00e3o infecciosa cr\u00f4nica, cuja preven\u00e7\u00e3o est\u00e1 ligada ao modo de transmiss\u00e3o, ou seja, ao controle do inseto barbeiro. Isso demanda resposta das redes de aten\u00e7\u00e3o \u00e0 sa\u00fade.<\/p>\n End\u00eamica em 21 pa\u00edses das Am\u00e9ricas, a infec\u00e7\u00e3o pelo Trypanosoma cruzi afeta aproximadamente 6 milh\u00f5es de pessoas, com incid\u00eancia anual de 30 mil casos novos na regi\u00e3o, levando, em m\u00e9dia, a 14 mil mortes por ano. Al\u00e9m disso, estima-se que cerca de 70 milh\u00f5es de pessoas vivam em \u00e1reas de exposi\u00e7\u00e3o ao barbeiro e corram o risco de contrair a doen\u00e7a.<\/p>\n No Brasil, mesmo com a tend\u00eancia de queda das taxas de mortalidade, houve uma m\u00e9dia de 4 mil \u00f3bitos<\/a> a cada ano decorrentes da doen\u00e7a na \u00faltima d\u00e9cada.<\/p>\n Os pesquisadores desenvolveram uma abordagem de aprendizado do computador baseada na chamada random forest (floresta aleat\u00f3ria, em tradu\u00e7\u00e3o livre), criando um algoritmo para detec\u00e7\u00e3o e contagem de tripomastigotas do Trypanosoma cruzi em imagens obtidas com a c\u00e2mera de telefone celular. Os tripomastigotas s\u00e3o a forma morfol\u00f3gica do protozo\u00e1rio presente na fase extracelular e encontrada no sangue de pacientes com a doen\u00e7a aguda.<\/p>\n Foram analisadas micrografias de amostras de esfrega\u00e7o de sangue registradas em imagens com uma resolu\u00e7\u00e3o de 12 megapixels. Foi extra\u00eddo um conjunto de par\u00e2metros morfom\u00e9tricos (forma e tamanho), cor e medi\u00e7\u00f5es de textura de 1.314 parasitas.<\/p>\n Nessa etapa, os cientistas Jo\u00e3o Santana Silva<\/a>, Paola Minoprio<\/a> e Ricardo Gazzinelli<\/a>, especialistas em parasitas, ajudaram a “ensinar” a m\u00e1quina a reconhec\u00ea-los, especialmente o Trypanosoma. Tamb\u00e9m colaboraram os pesquisadores da USP Roberto Marcondes C\u00e9sar Jr.<\/a> e Luciano da Fontoura Costa<\/a>, especialistas em aprendizado de m\u00e1quina e processamento de imagem.<\/p>\n Depois, as amostras foram divididas em conjuntos de treino e teste, e, ent\u00e3o, classificadas usando o algoritmo random forest. Os resultados foram valores de precis\u00e3o e de sensibilidade considerados altos – ficaram em 87,6% e 90,5%, respectivamente. Foi analisada a \u00e1rea sob a curva Caracter\u00edstica de Opera\u00e7\u00e3o do Receptor (curva ROC, na sigla em ingl\u00eas), uma representa\u00e7\u00e3o gr\u00e1fica que ilustra o desempenho ou a performance de um sistema classificador bin\u00e1rio \u00e0 medida que o seu limiar de discrimina\u00e7\u00e3o varia.<\/p>\n Assim, o grupo conseguiu automatizar a an\u00e1lise de imagens adquiridas com um dispositivo m\u00f3vel, obtendo uma alternativa para reduzir custos e aumentar a efici\u00eancia no uso do microsc\u00f3pio \u00f3ptico.<\/p>\n “A ideia \u00e9 gerar imagem e analis\u00e1-la em microsc\u00f3pio que possa ser enviado a lugares remotos do Brasil para o pr\u00f3prio aplicativo dizer se \u00e9 ou n\u00e3o doen\u00e7a de Chagas. Por isso \u00e9 importante termos tamb\u00e9m um microsc\u00f3pio robusto e de baixo custo que possa automaticamente coletar as imagens”, complementa Nakaya.<\/p>\n Segundo o pesquisador, a proposta \u00e9 deixar o algoritmo aberto para que a comunidade cient\u00edfica contribua com outros dados e recursos. Um dos desafios agora \u00e9 conseguir microsc\u00f3pios de baixo custo, como o equipamento produzido em papel e inventado pelos cientistas Manu Prakash e Jim Cybulski<\/a>, na Stanford University (Estados Unidos), mas que acabou n\u00e3o tendo resultados esperados na aplica\u00e7\u00e3o com os parasitas.<\/p>\n O artigo Automatic detection of the parasite Trypanosoma cruzi in blood smears using a machine learning approach applied to mobile phone images pode ser lido em: https:\/\/peerj.com\/articles\/13470\/<\/a>.<\/p>\n<\/p><\/div>\n![\"](\"https:\/\/conteudo.imguol.com.br\/c\/noticias\/c3\/2022\/05\/30\/pesquisadores-brasileiros-desenvolveram-um-algoritmo-capaz-de-identificar-o-protozoario-trypanosoma-cruzi-em-fotos-de-amostras-de-sangue-obtidas-com-cameras-de-dispositivos-moveis-metodo-de-baixo-custo-1653918444722_v2_750x421.jpg\")
<\/div>\n<\/div>‘Ensinando’ a m\u00e1quina<\/h2>\n