Pesquisadores da Universidade Federal Fluminense (UFF) estão desenvolvendo uma ferramenta de inteligência artificial voltada à identificação precoce de enfisema pulmonar e câncer de pulmão a partir de exames de tomografia computadorizada. A tecnologia, batizada de ChestFinder, tem potencial para acelerar o encaminhamento clínico e contribuir significativamente para o diagnóstico oportuno de duas doenças que frequentemente evoluem de forma silenciosa e progressiva.
O projeto, iniciado há aproximadamente dois anos no Hospital Universitário Antônio Pedro (HUAP), em Niterói (RJ), integra esforços de pesquisadores do Instituto de Computação e do Departamento de Radiologia da UFF. Os primeiros testes demonstraram acurácia e sensibilidade relevantes, reforçando o potencial do sistema como ferramenta auxiliar para a triagem de alterações pulmonares.
Análise automatizada de exames por meio de padrões visuais e textuais
O ChestFinder é treinado com bancos de dados compostos por imagens e laudos de pacientes previamente atendidos, permitindo ao algoritmo reconhecer padrões morfológicos e descritivos relacionados ao enfisema e a nódulos pulmonares suspeitos. O professor Daniel de Oliveira, do Instituto de Computação da UFF, ressalta que a ferramenta não substitui o diagnóstico médico, mas funciona como um apoio que pode antecipar a conduta clínica.
“Ela apresenta uma possível indicação que deve ser avaliada por um profissional. Com essa sinalização precoce, o paciente pode ser encaminhado com maior agilidade para acompanhamento especializado, favorecendo diagnósticos precoces e tratamentos mais eficazes”, afirma o professor.
A proposta é disponibilizar o ChestFinder em repositório público, permitindo que outros centros médicos com infraestrutura digital possam utilizá-lo. A ferramenta também oferece recursos de comparação de casos clínicos, identificando exames com características semelhantes no banco de dados, o que pode enriquecer a análise médica contextualizada.
Detecção incidental e impacto na prática clínica
A professora Cristina Asvolins, do Departamento de Radiologia da UFF, destaca que a ferramenta também pode identificar achados incidentais em exames realizados com outros propósitos, como em serviços de emergência, onde o foco não é necessariamente o rastreio de doenças pulmonares crônicas.
“Mesmo quando o objetivo do exame não é a investigação pulmonar, o ChestFinder pode indicar a presença de enfisema ou de um nódulo sugestivo. Isso amplia as chances de intervenção precoce, com impacto positivo tanto para o paciente quanto para o sistema de saúde”, ressalta a docente.
A utilização da inteligência artificial também tem potencial para reduzir o tempo de espera por confirmação diagnóstica e diminuir os custos relacionados ao tratamento de doenças avançadas. O diagnóstico precoce do câncer de pulmão, por exemplo, amplia significativamente as chances de tratamento curativo e reduz a necessidade de terapias complexas e de alto custo.
Perspectivas e relevância em saúde pública
O desenvolvimento do ChestFinder ocorre em um contexto em que o tabagismo permanece como fator de risco predominante para as doenças-alvo da ferramenta. Nesse sentido, qualquer tecnologia que auxilie na detecção precoce de alterações pulmonares associadas ao uso do tabaco representa um avanço em termos de saúde coletiva.
O projeto conta ainda com a participação do professor Marcos Bedo, também do Instituto de Computação da UFF. A iniciativa reforça a importância da interdisciplinaridade entre ciência da computação e medicina na construção de soluções escaláveis e eficientes para os desafios do diagnóstico médico contemporâneo.
A expectativa dos pesquisadores é de que o sistema contribua para otimizar os fluxos de atendimento, qualificar a análise de exames de imagem e ampliar o acesso ao diagnóstico precoce, especialmente em centros com alta demanda por exames e escassez de profissionais especializados.
