A presidência da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes), publicou no dia 10 de agosto o resultado do Prêmio Capes de Tese - Edição 2022. Na edição deste ano, dois trabalhos da Faculdade de Ciências Médicas (FCM) da Unicamp receberam menção honrosa. O doutorando em Ciências Alessandro Adad Jammal, orientado pelo docente Vital Paulino Costa, foi um dos contemplados, com a tese “Desenvolvimento e aplicação de algoritmos de deep learning em exames diagnósticos de glaucoma”. Os algoritmos utilizados no trabalho podem auxiliar os médicos na triagem dos pacientes com a doença. 

A tese obteve como resultados dois estudos. O primeiro deles, denominado “Detectando erros de segmentação da camada de fibra do nervo da retina na tomografia de coerência óptica de domínio espectral com um algoritmo de aprendizado profundo”, foi desenvolvido um algoritmo de aprendizado de máquinas profundo (deep learning), que identificou com precisão erros na segmentação da camada de fibras nervosas (CFN) em cortes seccionais circulares de tomografia de coerência óptica de domínio espectral (SD OCT). 

No segundo estudo, “Homem versus máquina: comparando um algoritmo de aprendizado profundo com classificações humanas para detectar glaucoma em fotografias de fundo de olho”, um algoritmo de deep learning superou especialistas em glaucoma na detecção de sinais de dano glaucomatoso em fotografias de fundo de olho. O algoritmo forneceu avaliação objetiva e quantitativa de danos neurais a partir de fotografias de fundo de olho com erro mínimo. 

A reportagem da FCM entrevistou o pesquisador Alessandro Jammal.

Podemos dizer que, na metodologia de ambos os estudos, você primeiramente ensinou os algoritmos a aprender, para depois aplicá-los às amostras disponíveis?

O termo mais correto seria "treinar" o algoritmo baseado em uma grande quantidade de dados e depois aplicar o algoritmo em uma situação clínica. No primeiro artigo o objetivo era detectar um erro de segmentação na tomografia de coerência óptica do nervo óptico e no segundo para detectar glaucoma. No segundo, nós comparamos o resultado do algoritmo com a análise subjetiva de outros avaliadores.

Em ambos os estudos podemos afirmar que há maior precisão dos resultados encontrados pelos algoritmos em relação à análise subjetiva? 

Os algoritmos mostraram uma performance muito alta para essas tarefas que propusemos e foram tão bons quanto, e para algumas tarefas, possivelmente melhor, que a avaliação subjetiva. É um pouco difícil afirmar que esses algoritmos são melhores que seres humanos para glaucoma, porque, ainda hoje, os exames de glaucoma dependem muito de exames subjetivos e avaliação de especialistas que carregam muito viés e são difíceis de serem replicados, principalmente em pesquisa. Não há, por exemplo, um exame de sangue que fornece um resultado simples, positivo ou negativo, para glaucoma. Mas em alguns casos, esses algoritmos tiveram uma acurácia de até 99% (por exemplo para erros graves de segmentação), o que foi bastante surpreendente.

Como o resultado dos estudos pode auxiliar em diagnósticos de glaucoma futuramente?

Acredito que esses algoritmos podem ser usados em situações onde o acesso médico é restrito, como uma forma de triagem dos pacientes que necessitam chegar mais rápido ao sistema de saúde. Esses algoritmos também podem servir como uma "segunda opinião" para os médicos, em uma situação de dúvida diagnóstica. Essas tecnologias ainda são emergentes e é importante o médico avaliar os resultados caso a caso e nenhum desses algoritmos hoje pode substituir o médico.