Algoritmo do Sistema de Apoio à Decisão para Diagnóstico de COVID-19

O COVID-19 é uma doença infecciosa causada por um coronavírus recém-descoberto, identificado pela primeira vez em Wuhan, China, em dezembro de 2019. Em seguida, o novo surto de coronavírus foi descrito e anunciado como uma pandemia pela Organização Mundial da Saúde (OMS) em 11 de março de 2020.

A reação em cadeia da polimerase com transcrição reversa (RT-PCR) é atualmente o teste padrão-ouro para o diagnóstico de COVID-19. No entanto, devido às suas altas taxas de falso-negativo (% 10-50), as decisões de diagnóstico e tratamento não dependem apenas da RT-PCR. A apresentação clínica do paciente e os achados radiológicos também são importantes. No entanto, nem a apresentação clínica nem os achados da tomografia computadorizada (TC) são específicos para COVID-19. Como consequência desses desafios, o diagnóstico da doença e a proteção da saúde da comunidade tornam-se mais difíceis. Os investigadores deste estudo levantaram a hipótese de que o sistema de suporte à decisão baseado em aprendizado profundo pode ajudar no diagnóstico definitivo do COVID-19. O objetivo é desenvolver um algoritmo de sistema de apoio à decisão baseado em aprendizado profundo com base na apresentação clínica de pacientes, achados laboratoriais e de TC e dados de RT-PCR. Anteriormente, algoritmos de aprendizado profundo com o uso de arquiteturas de redes neurais profundas amplamente conhecidas, como Inception, UNet, ResNet, foram desenvolvidos. No entanto, todos esses estudos foram baseados em achados de TC. Não há nenhum estudo de aprendizado profundo na literatura combinando os achados clínicos, radiológicos e laboratoriais dos pacientes.

O projeto é baseado nos dados disponíveis de pacientes com COVID-19 que serão obtidos do Ministério da Saúde. Em seguida, os dados serão avaliados quanto à relevância e confiabilidade e rotulados para o treinamento da máquina. Após a anonimização dos dados, os dados serão processados ​​de acordo com os critérios de inclusão-exclusão pré-determinados. Os dados da TC de tórax serão rotulados como típicos/indeterminados/atípicos/negativos para pneumonia por COVID-19. Além disso, as imagens de TC de pacientes com doenças conhecidas não relacionadas à COVID-19 serão rotuladas para o treinamento da máquina. Então, febre, contagem de linfócitos, proporção de neutrófilos para linfócitos, informações de contato, achados de RT-PCR serão rotulados. Posteriormente, os pacientes serão rotulados e a máquina será treinada com o método de aprendizado profundo com a ajuda desses dados agrupados e rotulados. Após a fase de treinamento, o algoritmo será testado e se a máquina atingir a especificidade e sensibilidade alvo, o protótipo será testado. E então, o protótipo será incorporado ao sistema de software do hospital. Este software e algoritmo servirá como um sistema de alerta precoce para os médicos e fornecerá uma melhor taxa de diagnóstico, especialmente com a diminuição dos resultados falso-negativos. Os efeitos de uma pandemia não podem ser medidos apenas pelo número de pessoas diagnosticadas e isoladas ou pelo tratamento fornecido. Uma pandemia afeta não apenas a saúde da comunidade, mas também o estado psicológico dos indivíduos, educação, métodos de ensino, modelos de trabalho, estilos de vida diários, comportamentos de produtor/consumidor, equilíbrio oferta/demanda; em outras palavras, todas as áreas da vida. Além disso, uma pandemia causa danos de longo prazo difíceis de reverter. O software aumentará as taxas de sucesso do diagnóstico, ajudará no controle da pandemia e minimizará os danos colaterais mencionados acima. Os investigadores acreditam que o produto que será produzido no final deste projeto será de grande benefício no controle da onda secundária de COVID-19 que se espera que ocorra.