O Diagnóstico auxiliado por computador (Computer-aided Diagnosis) é visto com desconfiança pela comunidade médica por uma razão simples: sabemos que não é seguro confiar plenamente nos computadores, pelo menos quando se trata de ciências não-exatas. No entanto, a ciência continua pesquisando estas técnicas no intuito de utilizá-las em conjunto com o diagnóstico do médico, como uma ferramenta de auxílio e precisão.

Por isso, enquanto passo por uma total falta de inspiração para escrever, escolhi um artigo sobre este tema para servir de base para alguns posts (ainda não sei quantos).

O Artigo escolhido foi escrito por cientistas da Malasia, e tem o título A Graphical Method of Detecting Pneumonia Using Chest Radiography – Um método gráfico para detectar pneumonia usando radiografia do tórax (referência completa e link no final).

Pneumonia

Segundo dados deste artigo, em 2004, 58.564 pessoas morreram de pneumonia nos EUA (será que temos estes números para o Brasil?). E a eficácia no diagnóstico precoce desta doença depende da habilidade do médico de diferenciar entre as três maiores doenças de pulmão: Pneumonia, Tuberculose e Câncer.

O Método Proposto

Os autores do artigo descreveram e testaram um método para diferenciar entre Pneumonia, Tuberculose e Câncer. Para isso, trabalharam com imagens de raios-x do tórax de 130 pacientes de um Hospital de atende pessoas de toda a Malásia.

O Método é um típico processo de análise de imagens, que passa pelas seguintes etapas:

• Segmentação: A identificação das Regiões de Interesse (ROI) foi realizada manualmente por radiologistas.
• Processamento: Cada região de interesse foi submetida a uma transformada bidimensional por Daub4 wavelet. Esta operação resultou em quatro mapas de coeficientes.
• Análise das imagens: A análise dos mapas gerados no processamento (basicamente a obtenção de números a partir da imagem) foi um conjunto de 20 medidas de textura em cada mapa, gerando um total de 48 descritores texturais. Estes números foram organizados em um vetor de características de quatro dimensões para cada ROI.
• Reconhecimento de padrões: Os vetores foram combinados em uma Análise de Componentes Principais. O objetivo desta análise é reduzir a dimensionalidade dos dados (as 48 características dariam um espaço de 48 dimensões) e encontrar uma combinação de componentes capaz de diferenciar os grupos de interesse.

Qualidade dos resultados

Depois de explicar o método os autores partiram para análises de robustez do método, ou seja, ver o quanto ele resiste a variações no tamanho e variação das amostras. Isso é importante para saber se o método resistiria à uma aplicação mais ampla. Houve também testes para entender com que frequência o método erra.

A conclusão foi de que o método é capaz de identificar os casos de pneumonia, mas não se separar casos das outras duas doenças citadas, ou de determinar que um paciente está saudável. Os autores terminam ainda recomendando o método para o uso na prática, sendo que a não-detecção deve encaminhar o paciente a outros testes.

Porque isso me interessa?

Quem já assistiu alguns episódios de House (as histórias são ficção, mas as doenças são reais) percebeu a quantidade de doenças que tem sintomas parecidos e a variedade de situações que podem confundir mesmo os médicos mais experientes.

Quem mora em cidade pequena, áreas remotas e “Não me perguntes onde fica…” sabe que não é sempre que se pode ter acesso aos médicos mais experientes, mesmo que se tenha dinheiro para pagar pelas consultas.

Eu vejo estes problemas senho gradativamente minimizados através de soluções da Telemedicina e do diagnóstico Auxiliado por computador. Acredito que, num futuro próximo, médicos que atendam em regiões em que não há um grande hospital possam se valer destas ferramentas para aumentar a chance de um diagnóstico mais rápido e preciso em seus pacientes.

Também espero que os recursos de diagnóstico Auxiliado por computador cheguem a se tornar baratos o suficiente para serem usados já na triagem, em postos de saúde – quando os clínicos gerais decidem para qual especialista devem enviar os pacientes.

O que você acha? Responda usando os comentários…

Referências e outras notas

• Noor, N. M.; Rijal, O. M.; Abu-bakar, S. A. R.; Iqbal, M.; Peng, G. C. (2009). A Graphical Method of Detecting Pneumonia Using Chest Radiography Wseas Transactions on Information Science and Aplications
• Link: A Graphical Method of Detecting Pneumonia Using Chest Radiography
• Imprecisões na tradução de termos médicos podem acontecer, porque eu não sou médica. Corrijam-me por favor!
• Imagem de raio-x do WikiCommons: http://commons.wikimedia.org/wiki/File:Pneumonia_x-ray.jpg
• Imagem panorâmica do pampa, de largerich
• Os métodos citados aqui provavelmente serão parte dos próximos artigos. Assine o RSS, se eles lhe interessam!