REVISTA ELETRÔNICA DE JORNALISMO CIENTÍFICO
Notícias
Mapeamento de imagens cerebrais por meio de algoritmos otimiza diagnósticos de doenças
Por Erik Nardini Medina
15/07/2016

Na Faculdade de Engenharia Elétrica e de Computação (Feec) da Unicamp há um grupo de pesquisadores empenhado em desvendar os meandros do cérebro a partir de imagens obtidas pelos médicos. “Eles adquirem imagens por intermédio de equipamentos de ressonância magnética e nós processamos essas imagens para que sejam capazes de informar, de abrir novos caminhos para a pesquisa e tratamentos”, explica Letícia Rittner, pesquisadora do Brainn e coordenadora de um dos mais interessantes projetos desenvolvidos na Feec. Para quem gosta de fotografia e neurociências, é um prato cheio – seja a pessoa cientista ou não!

O time de pesquisadores publicou recentemente um artigo com dados sobre a aplicação do método de processamento de imagens em quinze voluntários com cérebros normais (ou seja, sem nenhuma doença neurológica verificada).

Há um bom tempo, imagens permeiam os consultórios e laboratórios de pesquisa. “Não podemos ficar indiferentes a uma das ferramentas que mais domina a comunicação contemporânea”, reflete a pesquisadora francesa Martine Joly, autora da obra Introdução à análise da imagem.

Isso faz parte de um universo denominado “imagética científica”. O que seria da medicina de precisão sem os elementos visuais que permitem um diagnóstico assertivo sobre as mais diversas doenças? Em uma rápida incursão pelo campo da fotografia, Vilem Flusser chamaria as imagens que abordamos aqui de imagens técnicas, ou seja, aquelas produzidas por aparelhos como máquinas fotográficas, equipamentos de ressonância magnética e microscópios.

Imagens complexas

Mas o que há de tão especial em se processar imagens? Não é mais ou menos como fazemos em casa, no Photoshop, ou em nossos smartphones, pelo Instagram? “Definitivamente, não”, enfatiza Rittner. As imagens analisadas pela pesquisadora e seu time de graduandos, mestrandos, doutorandos e pós-docs são imensas.

Não é muito fácil encontrar uma metáfora para explicar as chamadas diffusion tensor images (DTI). Numa explicação rápida, poderíamos dizer que a DTI está para as imagens do cérebro como a fotografia panorâmica está para a fotografia convencional.

Mas Rittner não se contenta com essa explicação. “A ideia da fotografia é interessante, mas um tanto imprecisa, porque é realmente difícil falar de DTI para um público amplo. O tema é complexo e sofisticado”, analisa. “Imagine uma estrada em que passam carros e essa estrada possui radares que medem a velocidade dos automóveis. É mais ou menos isso que a DTI mede: o movimento das moléculas de água, com um componente de direção e um componente de velocidade”, reflete a pesquisadora.

As imagens DTI são realmente grandes. Diversas fotografias individuais são capturadas e então combinadas para compor uma única imagem final. “O DTI nada mais é do que uma série de imagens capturadas por aparelhos de ressonância magnética para compor um único – e grande – arquivo”, explica a pesquisadora. “Isso é vital”, continua, “para que nossos algoritmos possam trabalhar de maneira mais intensa e precisa na extração de dados”.


Exemplo de imagem de tractografia obtida a partir das imagens DTI; conexões neurais (Wikimedia)

Como funciona?

É preciso ter claro que o processamento de imagens acontece em duas etapas distintas, preparação e extração de informações

Na primeira etapa, os pesquisadores pegam as imagens produzidas pelos médicos e fazem o tratamento, processo que consiste na limpeza de “ruídos”, elementos que atrapalham a visualização de informações.

No passo seguinte, é feita a extração das informações que realmente importam. Complexos algoritmos e hardwares poderosos são escalados para fazer a leitura das imagens e extrair dali conteúdo que será processado em uma espécie de estado da arte da imagem.

“Temos algoritmos para cada tipo de tarefa. Por exemplo, um que estamos trabalhando agora é designado a fazer a segmentação do corpo caloso estrutura do cérebro dos mamíferos que conecta os dois hemisférios do cérebro de maneira rápida e precisa. Mas, para que isso aconteça, nós precisamos submeter esse algoritmo a uma série de situações para que ele possa ser capaz de reconhecer com precisão o que realmente queremos”, explica Rittner.

O algoritmo precisa entender o que é um cérebro saudável antes de ser capaz de identificar o que está errado no cérebro de um paciente. E essa é, de fato, uma etapa fundamental e extremamente trabalhosa. Antes de os algoritmos serem aplicados para o diagnóstico de parâmetros incorretos do cérebro – ou seja, antes de identificar problemas neurológicos –, essas ferramentas precisam conhecer um padrão do que é correto.

Parece confuso, mas faz todo o sentido. O processo de aprendizagem “cérebro-máquina” precisa analisar o sistema nervoso de pessoas saudáveis e perceber: “ora, esses são os padrões de um cérebro normal. Não há nada errado aqui”. Depois dessa etapa (aí sim!) os algoritmos são submetidos à análise do sistema nervoso de pessoas doentes para que possam reconhecer que: “opa, essas imagens aqui estão diferentes do que eu vi nos cérebros anteriores”.

Após os primeiros resultados satisfatórios, a equipe do Brainn espera automatizar cada vez mais o trabalho de processamento de imagens cerebrais, contribuindo para diminuir o tempo de diagnóstico de doenças e traumas, e procurando reduzir o tempo de processamento e suas etapas.