A aluna Amanda Correia destaca que o uso de processamento de imagens promove avanços importantes no diagnóstico em várias áreas da medicina. Na oncologia, por exemplo, ajuda na identificação precoce de cânceres em exames como mamografias e tomografias, o que eleva as chances de um tratamento bem-sucedido. Na cardiologia, facilita a interpretação de imagens do coração e dos vasos sanguíneos, permitindo a detecção de obstruções e enfermidades coronárias. No campo da oftalmologia, contribui para o reconhecimento de glaucoma e retinopatia diabética por meio de exames digitais da retina. Na ortopedia, aprimora a clareza das radiografias, tornando mais fácil a análise de fraturas e problemas ósseos. Além disso, é útil na neurologia para condições como esclerose múltipla, epilepsia e tumores no cérebro.
Na etapa de revisão da pesquisa, constatou-se que o processo de digitalização de imagens indica que as imagens médicas digitais não devem ser visualizadas diretamente sem algum tipo de processamento. É preciso implementar fases de pré-processamento e segmentação, que ajudam a aprimorar a qualidade visual, destacar estruturas relevantes e simplificar a análise pelos especialistas. Em todos esses setores, a maior vantagem reside no auxílio de diagnósticos que são mais ágeis, precisos e confiáveis, beneficiando diretamente tanto os pacientes quanto os profissionais de saúde.
Na avaliação dos estudantes participantes, as técnicas permitem a extração de dados significativos das imagens, como mudanças estruturais e morfológicas, que podem estar relacionadas a doenças. O processamento digital de imagens ajuda a detectar atrofias e depósitos anormais no cérebro mais cedo em pacientes com doença de Alzheimer, o que torna o diagnóstico mais preciso e melhora o acompanhamento clínico.
A pesquisa também foi apresentada, de maneira resumida, no Encontro de Iniciação Científica e Tecnológica (Enicit) do IFCE, em 2024. Durante a apresentação, foram abordados os principais conceitos sobre a Doença de Alzheimer, o papel do processamento digital de imagens no diagnóstico, além das duas ferramentas utilizadas no trabalho — Roboflow e Ultralytics YOLOv8. Também foram expostas imagens representativas dos resultados obtidos, evidenciando o desempenho do modelo e a evolução da acurácia.
Possibilidades futuras
Pelas limitações de tempo de duração da disciplina, os estudantes desenvolveram o código experimental de back-end, um protótipo “mais cru” sem uma interface gráfica para o usuário interagir, que faz o processamento das imagens e dá o resultado.
“Por isso a gente tem muita área de expansão ainda, porque a gente pode evoluir esse algoritmo para um protótipo mais avançado, onde a gente pode imputar uma imagem de ressonância e, a partir dessa imagem, o nosso sistema trazer o resultado destacando alguma região que seja interessante que se ater”, explica o professor Michael Bastos.
Para o docente, a ideia tem um potencial muito grande a longo prazo. Ele destaca que um ponto chave do projeto é auxiliar operacionalmente a comunidade médica no diagnóstico da doença de Alzheimer. “O nosso objetivo como trabalho final seria esse: prever que uma pessoa pode ter Alzheimer no futuro para que ela já possa começar a tomar precauções antes que isso mesmo possa vir a acontecer”, resume o professor.