Um grupo de pesquisadores da Universidade Estadual de Campina (Unicamp), das áreas de Medicina e Engenharia, construíram um algoritmo com inteligência artificial capaz de identificar e delimitar doenças pulmonares graves.
O estudo foi publicado na revista Scientific Reports, do grupo Nature, em abril. Surgiu após uma análise do sistema de radiologia utilizado atualmente.
Durante a pandemia de Covid-19, o grau de comprometimento do pulmão do paciente se tornou um dos principais marcadores de gravidade da doença, eram feitos exames de imagem, como uma tomografia, e o médico examinava o exame a olho nu, e calculava a extensão atingida no pulmão.
O problema surge quando médicos diferentes olham as mesmo imagens e chegam a resultados diferentes.
Segundo Sérgio San Juan Dertkigil, docente da Faculdade de Ciências Médicas (FCM) da Unicamp e diretor do setor de radiologia do Hospital de Clínicas da Universidade, esse método é “pouco reprodutível, porque é intuitivo“.
O software, denominado LobePrior, consegue atuar onde falham outras tecnologias, que são menos eficazes para casos mais graves, e nos exames padrões a doença encobre as referências anatômicas internas, por serem treinadas para ler pulmões saudáveis ou com lesões leves.
“Um software como esse consegue fazer essa quantificação em segundos ou minutos, com reprodutibilidade superior à análise manual”, afirma Dertkigil.
Testada em quatro conjuntos de dados independentes, a nova IA superou os três principais métodos disponíveis na literatura, chegando a 97% de concordância com as anotações manuais de radiologistas nos casos de Covid-19, considerados os mais difíceis de analisar.
O LobePrior é resultado de três anos de pesquisa de doutorado realizada por Jean Antonio Ribeiro na Faculdade de Engenharia Elétrica e de Computação (FEEC), sob orientação da professora Letícia Rittner.
O código foi integrado ao MEDPSeg, uma ferramenta do laboratório utilizada por pesquisadores para estudar comprometimento pulmonar em pacientes submetidos a radioterapia.
Para que possa ser usado no SUS, o projeto ainda precisa ser aprovado na Anvisa e a validado em diferentes ambientes hospitalares.
Como funcionam os exames de imagem
De acordo com Dertkigil, o pulmão direito tem três lobos, superior, médio e inferior, já o esquerdo tem dois, superior e inferior, separados por estruturas chamadas fissuras pulmonares.
É através da análise de quais deles estão comprometidos, e em que extensão, que diagnósticos, planejamento cirúrgico e avaliação de tratamentos são realizados.
Cânceres e tuberculose tendem a afetar mais os lobos superiores, já a Covid-19, os inferiores, que são mais irrigados. Sem delimitá-los, a análise de um radiologista fica necessariamente qualitativa, sem valores.
O problema surge quando a doença é grave. Em uma pneumonia extensa ou um tumor avançado, as fissuras ficam “apagadas” sob as lesões na imagem, e as referências visuais desaparecem.
O LobePrior foi desenvolvido para detectar justamente casos em que o pulmão está adoecido, com Covid, pneumonia ou câncer, pois nessas situações a anatomia do órgão muda, pontua a orientadora da pesquisa Letícia Rittner.
O desenvolvimento
Para desenvolver o sistema, os pesquisadores precisaram superar um problema básico: reunir materiais suficientes para ensinar a inteligência artificial a identificar o que os exames comuns não identificavam.
Para que um algoritmo aprendesse a reconhecer pulmões gravemente comprometidos, ele precisava ver muitos nessa situação, e esse tipo de dado é raro, sensível e de difícil acesso. A pandemia contribuiu para que isso fosse possível.
Entre abril e outubro de 2020, o Hospital de Clínicas da Unicamp reuniu 30 tomografias de pacientes com Covid-19. As imagens foram anonimizadas, ou seja, passaram por tratamento de dados para que não pudessem ser associadas a pacientes, e aprovadas pelo Comitê de Ética e, anos depois, serviram de base para a pesquisa.
O pesquisador Jean Antonio Ribeiro trabalhou ao lado de radiologistas para identificar e delimitar manualmente os lobos pulmonares nas tomografias, além de analisar outras 30 imagens de pacientes com câncer de pulmão de um banco de dados internacional.
Esse primeiro conjunto de informações deu origem ao Locca, banco de dados publicado em 2025 na revista IEEE Data Descriptions.
Segundo Rittner, a qualidade da inteligência artificial depende diretamente da qualidade dos dados utilizados. “Não existe algoritmo bom sem dado bom”, resume.
A partir desse material, a equipe desenvolveu o LobePrior, um algoritmo que analisa as tomografias em três etapas: primeiro localiza os pulmões, depois identifica cada lobo em alta resolução e, por fim, utiliza um mapa anatômico baseado em exames reais para aumentar a precisão, principalmente quando as lesões dificultam a identificação das estruturas.
Os pesquisadores também criaram lesões artificiais em pulmões saudáveis para ampliar o treinamento da IA. Os testes mostraram que a estratégia aumentou a precisão do sistema, especialmente nos casos mais graves. O desenvolvimento levou cerca de três anos e passou por diversas tentativas até chegar ao modelo atual.
Embora tenha sido treinado com imagens de pacientes com Covid-19, o projeto surgiu antes da pandemia. A proposta inicial era criar uma ferramenta para auxiliar no acompanhamento de doenças pulmonares inflamatórias, reduzindo a subjetividade das avaliações médicas.
Com o grande volume de exames gerados durante a pandemia, os pesquisadores aproveitaram a oportunidade para desenvolver e validar a tecnologia.
Na prática, o LobePrior transforma a avaliação visual das tomografias em dados objetivos, reduzindo diferenças entre análises médicas. A expectativa é que a ferramenta também ajude a ampliar programas de rastreamento do câncer de pulmão, agilizando a análise de exames e favorecendo diagnósticos mais precoces.
