A prospecção de ouro na Venezuela levou a um ressurgimento da malária, mas os pesquisadores desenvolveram a IA para dar uma mordida no problema.
No Estado Bolivar da Venezuela, o desmatamento para a mineração de ouro em águas perturbou as populações de mosquitos, que mordem mineradores e os infectando com o parasita mortal.
A Venezuela foi certificada como malária em 1961 pela Organização Mundial da Saúde. Estima -se que em todo o mundo houve 263 milhões de casos de malária e 597.000 mortes em 2023, de acordo com a OMS.
No surto venezuelano, a área afetada é rural e tem acesso limitado às clínicas médicas; portanto, falta a detecção com microscopia por profissionais treinados.
Mas os pesquisadores da interseção de medicina e tecnologia tocaram a IA e a NVIDIA GPUs para encontrar uma solução. Eles recentemente publicou um artigo em Naturezadescrevendo o desenvolvimento de um Rede neural convolucional (CNN) para detectar automaticamente parasitas da malária em amostras de sangue.
“Em algum momento da Venezuela, a malária foi quase erradicada”, disse Diego Ramos-Briceño, de 25 anos, que tem um bacharel em engenharia que ganhou enquanto também faz um doutorado em medicina. “Acredito que foram cerca de 135.000 casos no ano passado.”
Identificando parasitas da malária em amostras de sangue
Os pesquisadores-Ramos-Briceño, Alessandro Flammia-D’aleo, Gerardo Fernández-López, Fhabián Carrión-nessi e David Forero-Peña-usaram a CNN para identificar 99.5.
Para desenvolver o modelo, a equipe adquiriu um conjunto de dados de 5.941 imagens de microscópio de esfregaço de sangue espesso do Hospital da Faculdade de Medicina de Chittagong, em Bangladesh. Eles processaram esse conjunto de dados para criar quase 190.000 imagens rotuladas.
“O que queríamos para a rede neural aprender é a morfologia do parasita; portanto, de quase 6.000 imagens no nível de microscópio, extraímos todos os parasitas e, de todo esse aumento e segmentação de dados, acabamos tendo quase 190.000 imagens para treinamento modelo”, disse Ramos-Briceño.
O modelo ocorre quando os métodos tradicionais de microscopia também são desafiados pelas limitações de precisão e consistência, de acordo com o trabalho de pesquisa.
Aproveitando GPUs de jogos e CUDA para treinamento de modelos, inferência
Para executar o treinamento de modelos, a equipe da Malaria Paper aproveitou uma GPU RTX 3060 de um professor de ciência da computação orientando sua pesquisa.
“Usamos Pytorch Lightning com Nvidia Cuda A aceleração que nos permitiu fazer computação paralela eficiente que acelerou significativamente as operações da matriz e os preparativos da rede neural em comparação com o que uma CPU teria feito ”, disse Ramos-Briceño.
Para inferência, as determinações da malária a partir de amostras de sangue podem ser feitas dentro de vários segundos, disse ele, usando essas GPUs.
As clínicas sem microscopistas treinados poderiam usar o modelo e introduzir seus próprios dados para o aprendizado de transferência, para que o modelo tenha um desempenho ultimate com os tipos de imagens que eles enviam, lidando com as condições de iluminação e outros fatores, disse ele.
“Para as comunidades que estão longe do cenário urbano, onde há mais acesso a recursos, essa pode ser uma maneira de abordar o problema da malária”, disse Ramos-Briceño.