Estabelecimento de uma nova metodologia para a avaliação da depleção linfóide folicular da bolsa de Fabricius através análise digital de imagem e de redes neurais artificiais

A avicultura industrial apresenta altos índices produtivos, caracterizando-se pela alta tecnificação e pela eficiência. Inúmeros fatores podem prejudicar estes resultados, dentre os mais importantes citam-se as doenças imunodepressoras, as quais são agentes primários para o estabelecimento de inúmeros patógenos capazes de agravar o quadro clínico das aves, elevando ainda mais as perdas. Em vista disso, resolveu-se estudar um método mais eficaz para a determinação da depleção linfocitária da bolsa de Fabricius, órgão fundamental para a proliferação e maturação de linfócitos B. Dentre as doenças que mais acometem a bolsa de Fabricius citam-se a doença infecciosa da bolsa de Fabricius, as micotoxicoses e a anemia infecciosa. Foram utilizadas 50 amostras de bolsa de Fabricius coletadas intactas, processadas e o escore óptico de depleção estabelecido (de 1 a 5). As bolsas foram divididas em quadrantes e 12 folículos selecionados por amostra. As imagens foram adquiridas, analisadas com o software MATLAB® 6.5 e suas características extraídas. Com os dados foram geradas redes neurais (NEUROSHELL®), comparando-se os escores óticos e a classificação realizada pela rede. A rede foi capaz de classificar corretamente com alta sensibilidade (até 89,81%) e especificidade (até 96,17%) a maioria dos folículos, tendo um melhor desempenho utilizando-se três categorias (sensibilidade de até 79,39% e especificidade de até 91,94%) e duas categorias (sensibilidade e especificidade chegando a 92,54%). Os resultados mostraram que é possível a utilização de análise de imagem e redes neurais para a classificação histopatológica de depleção linfocitária da bolsa de Fabricius. A análise de imagem é uma ferramenta prática, com resultados objetivos, dimensiona o erro classificatório e padroniza a avaliação da depleção linfocitária bolsa.The industrial poultry has high productive indices, characterizing itself for the high technification and efficiency. Many factors can harm these results, the imunodepressives disease are amongst the most important causes. These diseases are the primary agents for the establishment of many secondary pathogens, aggravating the losses. In sight of this, we decided to study a more efficient method for the determination of the lymphoid depletion of bursa of Fabricius. The infectious bursal disease, the micotoxins and the infectious chicken anemia are the most important diseases of bursa of Fabricius. Fifty BF were examined by conventional optical microscopy and digital images were acquired and processed using MATLAB® 6.5 software. The ANN was generated using NEUROSHELL® CLASSIFIER software and the optical and digital data were compared. The ANN was able to make a comparable classification of digital and optical scores. The use of ANN was able to classify correctly the majority of the follicles with sensibility and specificity of 89% and 96%, respectively. When the follicles were scored and grouped in a binary fashion the sensibility and specificity increased significantly to 90 and 92%, respectively. These results demonstrate that the use of digital image analysis and ANN is a useful tool for the pathological classification of the BF lymphoid depletion. In addition