Malaria System : uma ferramenta para diagnóstico automático de malária em dispositivos móveis

A malária é um problema de saúde pública mundial e está relacionada principalmente a áreas remotas. Deste modo, os sistemas de baixo custo para o diagnóstico automático tornam-se uma investigação prioritária em vários grupos de pesquisa. Por outro lado, há novos casos, devido a mudanças climáticas que permitem a sobrevivência do Anopheles em áreas antes não habitadas. Os dispositivos móveis têm sido alternativas viáveis em diversos sistemas de saúde e de controle epidemiológico. Os grupos de pesquisa EpiSchisto Risk Modeling e Discrete Modelling and Simulation of Biological Systems desenvolveram ferramentas de diagnóstico automático para doenças, incluindo a esquistossomose e malária. Neste trabalho, é apresentado um sistema de detecção de parasitos de malária a baixo custo com dispositivos móveis, onde o estado da arte envolve duas grandes áreas do conhecimento: na área de computação e uma relacionada a saúde pública. O uso de técnicas de visão computacional e inteligência artificial neste projeto são os fundamentos teóricos do sistema de detecção de malária de baixo custo aqui apresentado. As fases de desenvolvimento do sistema sâo: captura de imagem - a imagem é capturada usando um sistema de dispositivo móvel experimental acoplado e um microscópio; segmentação - esta etapa consiste em remover a base em torno células do sangue, reduzindo assim o escopo da pesquisa do algoritmo de reconhecimento; treinamento e classificação - utilização de técnicas de inteligência artificial para treinar imagens como: positivos e falsos positivos (com e sem parasitos da malária). Um sistema baseado em Android foi desenvolvido, ele e capaz de detectar células infectadas com Plasmodium spp em uma imagem. Este e limitado na identificação do parasito em espécie P. falciparum (estágio trofozo to). A taxa de acerto do sistema em seu melhor desempenho está atualmente em 93%. A principal contribuição do Malariasystem e o baixo custo e a possibilidade de ser utilizado por agentes de saúde pública em regiões endêmicas remotas, onde os recursos são escassos. Além disso, os resultados podem ser avaliados in loco, facilitando o tratamento imediato.Malaria is a worldwide public health problem and it is mainly related to remote areas. In this way, low cost systems for automatic diagnosis has becomed a priority investigation in several research groups. On the other hand, there are new cases due to climate changes which allow the survival of Anopheles in areas previously not inhabited.Mobile devices have been viable alternatives in several health systems and epidemiological control. The research groups EpiSchisto Risk Modeling and Discrete Modelling and Simulation of Biological Systems have developed automatic diagnostic tools for diseases including schistosomiasis and malaria. In this work, a detection system for Plasmodium parasites (malaria) at low cost with mobile devices is presented, where the state of the art involves two broad areas of knowledge in computing and related to public health. The use of techniques of computer vision and arti cial intelligence in this project is the theoretical foundations of the detection system for low-cost malaria presented here. The development phases of the system are: capture image - the image is captured using a coupled experimental mobile device system and a microscope; segmentation - This step consists in removing the background around blood cells, thereby reducing the search scope of the recognition algorithm; training and classi cation - sorting through arti cial intelligence techniques for training with positive and false positive images (with and without malaria parasites).An Android based system was developed, it nds the Plasmodium infected parasites in the image. This is limited on the identi cation of the parasite into P.falciparum specie (step trophozoite).The hit rate of the system at its best performance is currently in 93%. The main contribution of Malariasystem is the low cost and the ability to be used by public health o cials in remote endemic regions , where resources are scarce. Furthermore the results can be evaluated in loco, facilitating immediate treatment