Pesquisadora de Marília usa IA para detectar insuficiência respiratória e evitar agravos
A pesquisadora Larissa Cristina Berti, que também é professora de graduação e dos programas de pós-graduação do Departamento de Fonoaudiologia da Universidade Estadual Paulista (Unesp), em Marília, participa de projeto que utiliza a Inteligência Artificial (IA) como ferramenta de apoio ao diagnóstico de casos de insuficiência respiratória.
De acordo com Larissa, a pesquisa é financiada pela Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp), com supervisão de Marcelo Finger, professor do Departamento de Ciências da Computação da Universidade de São Paulo (USP) e coordenador do projeto Sistema de Detecção Precoce de Insuficiência Respiratória por meio de Análise de Áudio (Spira), que usa a IA para comparar áudios de pessoas.
A Spira foi inicialmente desenhada para reconhecer automaticamente variações na voz em pacientes com Covid-19 durante o auge da pandemia. “Além de mim, de Marília, temos mais pesquisadores no projeto, além do coordenador geral, Marcelo Finger. As etapas do projeto atuam na identificação de insuficiências respiratórias, em casos de prevenção à piora da asma e ainda ajudam a detectar o nível de CO – monóxido de carbono – no sangue dos tabagistas”, completa.
Para a pesquisadora de Marília, a intenção dos estudos é que, no futuro, a metodologia possa integrar sistemas de telemedicina para monitorar de forma contínua pessoas internadas. “Em uma das etapas do projeto, analisamos medidas de fala e voz de pacientes com asma, e, através dos áudios, conseguimos prever a piora da doença. Essa tecnologia nos possibilita antecipar um tratamento”, explica.
Caracterizada pela baixa taxa de oxigenação do sangue, a insuficiência respiratória é uma condição que muitas vezes requer hospitalização e pode ter causas diversas, incluindo doenças cardíacas ou pulmonares e infecções virais.
Os resultados da primeira etapa da pesquisa foram publicados como capítulo na publicação “Lecture Notes in Computer Science”, resultante da 21ª International Conference on Artificial Intelligence in Medicine (Aime), realizada na Eslovênia em 2023.
O desenvolvimento da ferramenta começou pela coleta de dados de pessoas diagnosticadas com Covid-19 durante a primeira fase da pandemia. O grupo coletou vozes de aproximadamente 200 pacientes de dois hospitais parceiros do projeto, o Hospital das Clínicas da Faculdade de Medicina e o Hospital Universitário (HU), ambos da USP. Depois, treinou modelos modernos de IA que alcançaram mais de 95% de precisão, mostrando a viabilidade do sistema naquele momento.
Três tipos de áudios foram analisados: uma frase que induz naturalmente a pausas, uma canção infantil com pausas predeterminadas e a vogal ‘a’ sustentada. Pausas em momentos não naturais permitiram a identificação de um padrão analisado por IA.
“Durante o auge da pandemia realizamos coletas de áudio de pacientes que sofriam de insuficiência respiratória em hospitais. Coletamos também áudios de pessoas saudáveis [controle] por meio de um aplicativo na internet. Modelos de IA atingiram acurácia da ordem de 95% na detecção de insuficiência respiratória, enquanto modelos que utilizam apenas as diferenças nas estruturas de pausa nos áudios dos pacientes e controles atingiram ordem de 87% de precisão”, detalha o pesquisador Marcelo Matheus Gauy, bolsista Fapesp de pós-doutorado no Instituto de Matemática e Estatística da Universidade de São Paulo (IME-USP).