DETECÇÃO DE ANEMIA A PARTIR DE SEGMENTAÇÃO DE IMAGENS: UMA ABORDAGEM INOVADORA PARA AUXÍLIO NO DIAGNÓSTICO MÉDICO ASSISTIDO POR INTELIGÊNCIA ARTIFICIAL
Anemia; Diagnóstico; Saúde Pública; Segmentação de Imagens; Visão Computacional;
A anemia, uma das condições hematológicas mais prevalentes no mundo, afeta bilhões de indivíduos e está associada a diversas complicações de saúde. O diagnóstico tradicional, baseado principalmente em exames laboratoriais como o hemograma completo, exige infraestrutura que muitas vezes é inacessível em áreas com recursos limitados, resultando em subdiagnóstico e tratamento tardio. Com os avanços na inteligência artificial (IA) e nas técnicas de visão computacional, novas abordagens promissoras surgem para melhorar a detecção de anemia de maneira mais acessível e eficiente. Este trabalho propõe uma abordagem inovadora para a detecção automatizada de anemia, empregando técnicas avançadas de segmentação de imagens e análise de características celulares. Inicialmente, são coletadas e processadas imagens de lâminas de sangue periférico, onde algoritmos de segmentação, são aplicados para identificar e isolar glóbulos vermelhos. Em seguida, características morfológicas e de texturas dessas células, como tamanho, forma e coloração, são extraídas e analisadas. Técnicas de classificação baseadas em aprendizado de máquina, são então utilizadas para determinar a presença e o tipo de anemia. A integração dessas técnicas de visão computacional visa superar os desafios associados à variabilidade das imagens e à necessidade de alta precisão diagnóstica. A expectativa é que o sistema desenvolvido ofereça uma ferramenta de diagnóstico auxiliar robusta, capaz de complementar os métodos tradicionais, proporcionando um diagnóstico mais rápido, preciso e acessível. Ao democratizar o acesso ao diagnóstico de anemia, especialmente em regiões carentes, este trabalho tem o potencial de contribuir significativamente para a saúde pública, reduzindo as taxas de morbidade associadas à anemia não diagnosticada.