Trabalho com técnica que supera métodos tradicionais recebeu prêmio em Simpósio Internacional de Sistemas Médicos Baseados em Computador
Com uma pesquisa que aprimora a precisão de diagnósticos médicos por meio da inteligência artificial (IA), cientistas da USP conquistaram reconhecimento internacional com o artigo Melhorando a U-Net com Mecanismo de Atenção para Aplicações de Segmentação de Imagens Médicas. Os autores são pesquisadores do Instituto de Ciências Matemáticas e de Computação (ICMC) da USP, em São Carlos, e foram premiados durante o 38º Simpósio Internacional de Sistemas Médicos Baseados em Computador (CBMS 2025), realizado em Madri, na Espanha.
Considerado um dos principais congressos da área de computação médica, o CBMS reúne especialistas de mais de 50 países para discutir os avanços na interface entre computação e medicina. Entre os autores estão: o doutorando Eduardo Honorato, a mestranda Mariana Aya Uchida, e os professores Agma J. M. Traina e Denis F. Wolf, que receberam o prêmio de Best Student Paper no CBMS. “A taxa de aceitação dos artigos foi de apenas 27%, o que mostra o quanto essa premiação é significativa. Ser reconhecido nesse cenário reforça a qualidade da pesquisa feita no ICMC e na USP”, afirma a professora Agma Traina, que apresentou o trabalho em Madri e também levou outros dois artigos de alunos do Instituto ao congresso.
Tornando o invisível visível
A pesquisa premiada propôs um aprimoramento da arquitetura U-Net, uma rede neural amplamente utilizada para segmentar imagens médicas. O objetivo era tornar o modelo mais preciso ao separar regiões específicas do corpo humano em exames de imagem, como vasos sanguíneos, lesões ou nódulos pulmonares.
“A segmentação de imagens médicas é uma tarefa extremamente delicada, pois envolve estruturas orgânicas complexas e variadas. Cada paciente tem suas particularidades anatômicas, e é fundamental garantir que o modelo computacional ofereça resultados compatíveis com os do especialista humano”, explica Agma.
A inovação do trabalho foi integrar mecanismos de atenção à U-Net. Esses mecanismos ajudam o modelo a focar nos elementos mais relevantes da imagem, tanto em termos de onde olhar (atenção espacial) quanto em relação ao que deve ser priorizado (atenção por canal). Foram testadas diferentes posições na arquitetura dessa rede para inserir esses mecanismos, buscando maximizar a precisão.
“Trabalhei com mecanismos de atenção em robótica móvel durante meu mestrado. A ideia no doutorado, então, foi adaptar essa abordagem para o contexto da saúde, que tem um impacto social muito relevante”, relata Eduardo. “Foi gratificante ver que essa transposição funcionou bem”, completa.
Já Mariana destaca: “A U-Net já é considerada um estado da arte na área médica. A nossa proposta foi usar esse modelo como base e torná-lo ainda mais robusto, para que os profissionais de saúde possam contar com uma ferramenta de apoio mais confiável e eficiente”.
Resultados alcançados
O modelo foi testado em diversas bases públicas de imagens médicas, incluindo exames de pólipos intestinais, vasos sanguíneos da retina e radiografias de tórax. A proposta mostrou ganhos expressivos de desempenho, em alguns casos, com melhora de até 33% na acurácia da segmentação, quando comparada com a U-Net convencional.
Esses resultados indicam o potencial da técnica para ser implementada futuramente em sistemas de apoio à decisão médica, auxiliando na triagem e no diagnóstico de doenças, sem substituir o olhar do profissional de saúde. “Nosso objetivo é aliviar o tempo do especialista, permitindo que ele se concentre nos casos mais críticos e complexos. A automação inteligente pode ampliar o acesso a diagnósticos de qualidade, especialmente em contextos com alta demanda ou falta de profissionais”, finaliza Agma. (Gabriele Maciel, da Fontes Comunicação Científica)
