O uso do diagnóstico assistido por computador na pesquisa da malária: uma avaliação entre o padrão ouro de diagnóstico da malária e o sistema de diagnóstico automatizado por meio da inteligência artificial

• Ano de defesa: 2023
• Autor(a) principal: Silva, Elisângela Nunes da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso embargado
• Idioma: por
• Instituição de defesa: Universidade Estadual da Paraíba; Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP; Brasil; UEPB; Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS
• Palavras-chave em Português: Diagnóstico; Malária; Inteligência Artificial; Microscopia; Diagnosis; Artificial Intelligence; Microscopy; OUTROS::BIOMEDICINA
• Link de acesso: http://tede.bc.uepb.edu.br/jspui/handle/tede/4906

Contexto: A malária é uma das doenças parasitárias mais graves que afetam grande parte da população mundial. Transmitida através da picada de um mosquito fêmea do gênero Anopheles, que deposita o parasita na corrente sanguínea, a doença só é detectada através de uma análise de exame precisa, visto que a microscopia, mesmo sendo padrão ouro de diagnóstico, possui interferentes que podem comprometer a análise. Por isso, o método automatizado que se utiliza da técnica de diagnóstico assistida por computador (CAD) a partir do uso de modelos de aprendizagem de máquinas no auxílio à microscopia, pode trazer resultados mais fidedignos e consistentes. Objetivo: Nesta dissertação foi realizada uma revisão comparativa entre o uso do sistema CAD e os testes do padrão ouro para diagnóstico da malária. Método: Desta forma, foi realizado um levantamento dos estudos existentes sobre o uso do sistema CAD no diagnóstico da malária nas principais plataformas de busca: MEDLINE/PUBMED, ScienceDirect, IEEE, Cochrane Library, Portal de Periódicos da CAPES, LILACS, EMBASE e Google acadêmico; na busca foram o empregadas expressões previamente definidas e em língua inglesa. Os artigos localizados foram submetidos à catalogação preliminar das publicações, à aplicação de filtro de seleção das publicações relevantes (critérios de inclusão e exclusão) e ao filtro de qualidade. Foram realizadas análises de variáveis estatísticas, como sensibilidade e especificidade, e comparadas com os resultados dos testes de padrão ouro, observando-se assim a diferença estatística significativa entre os grupos. Conclusão: De acordo com as pesquisas realizadas, as mesmas mostraram resultados satisfatórios para a implementação do sistema CAD no diagnóstico de doenças. A agregação de metodologias de deep learning com CNNs tem potencializado e melhorado os resultados na identificação de parasitas da malária em comparação com técnicas de microscopia.