Ferramenta de IA supera humanos na detecção de parasitas em amostras de fezes

Cientistas dos Laboratórios ARUP desenvolveram uma ferramenta de inteligência artificial (IA) que detecta parasitas intestinais em amostras de fezes com mais rapidez e precisão do que os métodos tradicionais, potencialmente transformando a forma como os laboratórios diagnosticam infecções parasitárias em todo o mundo.

Identificar parasitas ao microscópio tem sido uma tarefa árdua que exige especialistas altamente treinados para examinar manualmente cada amostra em busca de cistos, ovos ou larvas reveladores.

Agora, um modelo de aprendizagem profunda, conhecido como rede neural convolucional (CNN), realiza esse trabalho com alto grau de precisão, de acordo com um estudo publicado no Jornal de Microbiologia Clínica.

Os pesquisadores demonstraram que o sistema de IA pode detectar parasitas em fezes úmidas com maior sensibilidade do que os observadores humanos, mesmo aqueles com anos de experiência na caça desses sinais.

“Foi um esforço inovador e o que conseguimos é notável”, disse o autor principal Blaine Mathison, diretor técnico de parasitologia da ARUP e professor adjunto do Departamento de Patologia da Universidade de Utah.

“Nossos estudos de validação demonstraram que o algoritmo de IA tem melhor sensibilidade clínica, melhorando a probabilidade de um parasita patogênico ser detectado”.

Um importante laboratório de referência nacional, o ARUP é uma empresa independente sem fins lucrativos da Universidade de Utah e do Departamento de Patologia da Faculdade de Medicina, onde Mathison é instrutor adjunto.

Treinando a IA em milhares de amostras

Para construir e testar o sistema, a ARUP e o seu parceiro, uma empresa tecnológica do Utah chamada Techcyte, treinaram a IA utilizando mais de 4.000 amostras positivas para parasitas recolhidas em laboratórios nos Estados Unidos, Europa, África e Ásia.

Estas amostras representaram 27 classes de parasitas, incluindo espécies raras, como Schistosoma japonicum e Paracapillaria philippinensis das Filipinas, e Schistosoma mansoni da África.

“Este foi realmente um estudo robusto quando se considera o número de organismos e amostras positivas usadas para validar o algoritmo de IA”, disse Mathison.

Após análise de discrepância, a concordância positiva entre IA e revisão manual foi de 98,6%. A ferramenta também detectou 169 organismos adicionais que haviam sido perdidos em revisões manuais anteriores.

“Estamos identificando mais organismos do que faríamos sem a IA, o que melhora o diagnóstico e o tratamento dos pacientes afetados”, disse Adam Barker, diretor de operações da ARUP.

Além disso, um estudo de limite de detecção descobriu que a IA encontrou consistentemente mais parasitas do que os tecnólogos, mesmo quando as amostras estavam altamente diluídas, sugerindo que o sistema pode detectar infecções em estágios iniciais ou quando os níveis de parasitas são baixos.

Da inovação à implementação

A ARUP é pioneira no uso de IA em parasitologia clínica há anos. Em 2019, tornou-se o primeiro laboratório do mundo a aplicar IA à porção tricrômica do teste de óvulos e parasitas. Em março de 2025, expandiu essa capacidade para incluir a análise de montagem úmida – tornando-se o primeiro laboratório a usar IA em todo o processo de teste.

Esse momento revelou-se propício: em Agosto, a ARUP recebeu um número recorde de amostras para testes de parasitas. A eficiência obtida através da IA ​​permitiu que o laboratório atendesse à demanda sem comprometer a qualidade.

“Um algoritmo de IA é tão bom quanto o pessoal que insere os dados”, disse Barker. “Temos uma equipe fenomenal que usou seu amplo conhecimento e habilidades para construir uma solução de IA excepcional que beneficia não apenas o laboratório, mas também os pacientes”.

ARUP e Techcyte planejam continuar expandindo o papel da IA ​​em testes de diagnóstico. Além da parasitologia, a ARUP já implementou IA para auxiliar nos testes de Papanicolau e está desenvolvendo outras ferramentas para agilizar as operações laboratoriais e melhorar a precisão do diagnóstico.