Pesquisadores do Estudo Longitudinal da Saúde do Adulto (ELSA-Brasil) e do ELSA-Brasil Musculoesquelético (ELSA-Brasil MSK) desenvolveram uma ferramenta de inteligência artificial voltada ao diagnóstico da osteoartrite de joelho. Batizada de Kneelsa, a tecnologia foi criada para realizar a classificação automática de radiografias e auxiliar profissionais de saúde na identificação da doença.

A inovação já recebeu proteção legal por meio da Coordenadoria de Transferência e Inovação Tecnológica da Universidade Federal de Minas Gerais (UFMG) e surge como uma alternativa para ampliar a capacidade de análise de exames em estudos científicos e serviços de saúde.

A osteoartrite de joelho é uma das doenças articulares mais comuns no mundo e figura entre as principais causas de incapacidade física. A condição provoca dor, rigidez e perda progressiva da mobilidade, afetando significativamente a qualidade de vida dos pacientes e gerando impactos sociais e econômicos relacionados a tratamentos, afastamentos do trabalho e aposentadorias precoces.

Veja também

Cientistas infectam voluntários com dengue em estudo que busca novos tratamentos contra a doença
 

OpenAI é investigada por uma coalização de procuradores-gerais estaduais dos EUA, diz jornal

Segundo o professor Júlio Domingues, da Faculdade de Medicina da UFMG, um dos principais desafios é que a doença costuma ser identificada apenas em estágios avançados, quando os danos às articulações já são irreversíveis. Para ele, o diagnóstico precoce pode ampliar as possibilidades de intervenção e melhorar o prognóstico dos pacientes.

Desenvolvido na linguagem de programação Python, o Kneelsa utiliza técnicas de aprendizado profundo (deep learning) para identificar sinais característicos da osteoartrite em exames radiográficos, como desgaste articular e redução do espaço entre os ossos.

Um dos diferenciais da ferramenta é o uso de dados brasileiros em seu treinamento. O modelo foi desenvolvido a partir da análise de 5.660 radiografias de joelhos de participantes do ELSA-Brasil MSK, todas previamente avaliadas por médicos radiologistas. Segundo os pesquisadores, essa abordagem ajuda a reduzir possíveis vieses encontrados em sistemas treinados exclusivamente com dados de populações norte-americanas e europeias.

Nos testes realizados, o software alcançou até 90,7% de acurácia global, além de elevados índices de sensibilidade e especificidade. Os pesquisadores destacam que a ferramenta pode ser ajustada para diferentes finalidades, funcionando tanto como mecanismo de triagem quanto como apoio à interpretação dos exames por especialistas.

Apesar dos resultados promissores, os responsáveis pelo projeto ressaltam que o uso da tecnologia em larga escala ainda depende de etapas adicionais de validação científica. O desempenho do sistema precisará ser testado em outras bases de dados e em diferentes contextos clínicos antes de uma eventual incorporação aos serviços de saúde.

Curtiu? Siga o PORTAL DO ZACARIAS no Facebook, Twitter e no Instagram.

Entre no nosso Grupo de WhatApp, Canal e Telegram  

O Kneelsa é fruto de uma parceria entre instituições de pesquisa e órgãos públicos, incluindo a UFMG, o Ministério da Saúde, o Hospital das Clínicas da UFMG/Ebserh, a Fundação de Amparo à Pesquisa do Estado de Minas Gerais (Fapemig) e o Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq).