Fazendo pesquisa de dados complexos, como imagens e séries temporais, é que o projeto MIDAC, do Departamento de Computação (DC) da Universidade Federal de São Carlos (UFSCar), realiza estudos com objetivo principal de se obter a análise computacional de dados médicos. O projeto abrange o desenvolvimento de diferentes técnicas de mineração de dados (data mining) a partir das pesquisas desenvolvidas pelos mestrandos orientados pela professora Marcela Xavier Ribeiro, do DC, coordenadora do projeto.
Com a mineração é possível a descoberta de padrões em uma grande quantidade de dados, utilizada para facilitar o entendimento destes por parte do usuário. No caso dos sistemas computacionais desenvolvidos pelo MIDAC, a mineração é feita para a análise da produção agrícola, dos exames médicos solicitados para uma suspeita de doença e também no auxílio à tomada de decisão de diagnóstico a partir de exames de mamografia.
Entre os trabalhos já concluídos pelo MIDAC está o de elaboração de um sistema que permitisse ao setor financeiro de uma empresa de seguros de saúde analisar a conduta de pedidos de exames feitos pelos médicos da cooperativa. Para tanto, foram analisados os pedidos de exames médicos de toda a cooperativa. O resultado desse trabalho foi mapear o conjunto de exames típicos de serem solicitados para cada suspeita de diagnóstico, reduzindo o número de exames que, para serem aprovados, deveriam ser justificados e avaliados manualmente pela administração da cooperativa.
O MIDAC desenvolve atualmente outro projeto a partir de três bases de imagens de mamografias – uma do Hospital das Clínicas de Ribeirão Preto, outra de Viena e uma terceira da Universidade do Sul da Flórida (Estados Unidos) —, um sistema que auxilia no diagnóstico de possíveis doenças mamárias por meio da comparação entre a imagem de mamografia do paciente e as imagens de exames antigos armazenadas em um banco de dados.
Um banco de dados tradicional pode ser acessado utilizando–se parâmetros textuais, como informações da faixa etária de uma pessoa. Entretanto em um banco em que os dados são somente imagens, este tipo de busca não é adequado, mas sim a utilização de informações próprias da imagem, como a textura de seus pixels. Para tanto, cada imagem é transformada em um conjunto de valores numéricos referente às suas características visuais. Ao utilizar o sistema, estes valores são comparados entre si, e com os da imagem do exame inserida pelo médico para ser usada de base, resultando em um ranking das imagens mais próximas da inicial (o exame). Entretanto, segundo a coordenadora do projeto, Marcela Ribeiro, a lista não diz as quão próximas às imagens estão entre si e o que significa esta proximidade, pois para o médico os parâmetros matemáticos utilizados não têm significado. O que se pretende é em vez de apresentar o ranking se consiga mostrar para o médico uma visualização destas imagens, trazendo uma informação extra dos relacionamentos entre elas.
Um problema que acontece neste tipo de trabalho é que a percepção de semelhança dos algoritmos — instruções computacionais — é diferente da percepção humana. Esta diferença, chamada de "gap semântico", ou lacuna semântica, ocorre, pois as imagens são transformadas em um conjunto de representações matemáticas e a semelhança se dá pela aproximação destes valores. Desta forma, quanto maior a quantidade de informações da imagem — como textura, cores, contraste etc. – menor será o "gap" e, portanto, mais preciso o resultado oferecido pelo sistema.
Desta forma, o médico consegue visualizar imagens e laudos a partir do que ele deseja, por exemplo, as mais próximas considerando a diversidade (priorizando tipos diferentes). Num caso como este, o sistema pode ter como resposta que a imagem mais próxima que contém uma massa maligna é muito diferente da imagem inicial, portanto esta não deve ser maligna. Assim, ao considerar outras medidas, de acordo com a interação (calibração) dos usuários, o sistema oferece um ranking visual, que auxilia o médico a dar seu diagnóstico, servindo como uma segunda opinião, ou então proporcionando a visualização de algo que poderia passar despercebido.
A pesquisadora reforça ainda que o sistema apresenta para o profissional imagens similares à que ele tem e suas características. Estas imagens dão uma base de possibilidades, uma segunda opinião, entretanto é o próprio médico que dá o diagnóstico e não o sistema. O projeto ainda está em desenvolvimento e se espera que, em aproximadamente um ano, ele esteja pronto para teste, a partir do seu uso pelos médicos. A validação do sistema terá a participação da equipe do Dr. Antonio Carlos Santos, médico do Hospital das Clínicas de Ribeirão Preto.
