A inteligência artificial tem ampliado espaço em diferentes áreas da saúde ao oferecer ferramentas capazes de agilizar análises, identificar padrões e apoiar profissionais na tomada de decisões. Na Medicina Veterinária, a tecnologia começa a ganhar aplicação também nos exames de diagnóstico por imagem.
É nesse contexto que uma pesquisa desenvolvida na Universidade Católica de Pelotas (UCPel) busca ampliar o uso da inteligência artificial na rotina clínica veterinária. O estudo, conduzido pela mestranda em Engenharia Eletrônica e Computação Indyara Fernandes, pretende criar um sistema capaz de auxiliar médicos veterinários na interpretação de radiografias de cães e gatos.
Intitulada Implementação da inteligência artificial na radiologia veterinária, a pesquisa propõe o desenvolvimento de uma ferramenta de apoio na identificação de alterações e padrões em exames radiográficos. A ideia é que o sistema funcione como suporte ao profissional durante a análise das imagens.
Médica veterinária especializada em diagnóstico por imagem, Indyara afirma que a proposta surgiu a partir de desafios observados no dia a dia da profissão.
— O maior deles está relacionado à grande demanda por exames e à falta de tempo para a liberação dos resultados, o que impacta diretamente a decisão clínica e o prognóstico do paciente, além de ocasionar uma sobrecarga mental no profissional — afirma.
A proposta utiliza técnicas de aprendizado de máquina para desenvolver um algoritmo treinado com base em exames radiográficos e laudos especializados. Segundo a pesquisadora, o objetivo não é substituir o trabalho do médico veterinário, mas oferecer uma ferramenta complementar.
— Cabe salientar que, por mais tecnológico que o sistema seja, ele nunca será capaz de substituir o olhar de um profissional capacitado, mas pode auxiliar muito no direcionamento do diagnóstico — ressalta.
O estudo prevê a criação de um banco de dados com imagens médicas digitais e seus respectivos laudos. A partir desse material, o sistema será treinado para reconhecer padrões radiográficos compatíveis com doenças de maior prevalência em cães e gatos.
A pesquisa ainda está em fase inicial, com revisão bibliográfica e definição das ferramentas computacionais que serão utilizadas no desenvolvimento do modelo.
Tecnologia pode ajudar a acelerar atendimentos
Na prática, a inteligência artificial poderá atuar como uma espécie de “segunda leitura” dos exames. O sistema poderá destacar regiões suspeitas, sugerir padrões compatíveis com determinadas doenças e auxiliar na triagem de casos considerados urgentes.
Para a orientadora da pesquisa, a professora Miriam Blank Born, um dos principais impactos da tecnologia está na otimização do fluxo de trabalho em clínicas e hospitais veterinários.
— Na rotina veterinária atual, o volume de imagens geradas diariamente é imenso. Vemos a IA como uma ferramenta que apoia o médico veterinário em suas análises, buscando padronização, eficiência e ampliação da capacidade diagnóstica e analítica — afirma.
As pesquisadoras avaliam que a inteligência artificial tende a ampliar presença em diferentes áreas da medicina veterinária nos próximos anos. Além da radiologia, a tecnologia pode contribuir com análises laboratoriais, planejamento cirúrgico, consultas clínicas e monitoramento de rebanhos por meio de sensores e dispositivos inteligentes.
Em hospitais veterinários com grande volume de atendimentos, a expectativa é de que a tecnologia ajude a acelerar a emissão de laudos e também a definir prioridades clínicas.
— Acredito que a inteligência artificial possa auxiliar imensamente outras áreas além do diagnóstico por imagem — diz Indyara.
Desafios ainda incluem qualidade dos dados
Apesar do avanço, as pesquisadoras destacam que ainda existem desafios importantes para a aplicação da inteligência artificial na área.
Um dos principais está relacionado à qualidade dos bancos de dados usados no treinamento dos algoritmos, já que a precisão do sistema depende diretamente da quantidade e da diversidade das imagens analisadas.
— Mesmo radiologistas experientes tendem a divergir entre si no que se refere a diagnósticos mais específicos — explica Indyara.
Segundo Miriam, bases de dados pequenas ou pouco representativas podem comprometer o desempenho do sistema.
— Datasets muito pequenos ou com imagens pouco representativas afetam os resultados — pontua.
Como parte do projeto, a equipe pretende construir um banco de dados inédito voltado à comunidade científica, que poderá servir de base para futuras pesquisas envolvendo tecnologia aplicada à saúde animal.
A expectativa é que os resultados sejam validados tanto por métricas quantitativas, como sensibilidade e acurácia, quanto pela avaliação prática de médicos veterinários especialistas na área.
Fique informado sobre o que acontece na região sul do Estado! Siga @gzhzonasul no Instagram e no Facebook, e inscreva-se no canal do WhatsApp para receber notícias em seu celular: gzh.rs/canalgzhzs.
