Sistema Especialista por Aprendizado de Máquina para Análise de Tuberculose

Resumo

A tuberculose pulmonar ainda representa um desafio significativo à saúde pública, especialmente em regiões com infraestrutura médica precária. Considerando o avanço das técnicas de Inteligência Artificial e a necessidade de soluções acessíveis, este trabalho tem como objetivo desenvolver um sistema especialista embarcado para auxiliar na detecção automatizada da tuberculose por meio de imagens radiográficas. A metodologia adotada envolveu o uso da plataforma Edge Impulse e do modelo MobileNetV2 com transferência de aprendizado, aplicado sobre uma base de dados pública contendo 4.199 radiografias de tórax rotuladas como “com tuberculose” e “sem tuberculose”. O modelo foi treinado com técnicas de aumento de dados e otimização por quantização, visando maior eficiência computacional em dispositivos de baixo custo. Os testes demonstraram resultados promissores, alcançando acurácia de 98,48%, área sob a curva característica operacional do receptor de 0,98 e F1-score de 0,99, com desempenho superior mesmo em ambientes com restrições de processamento. A comparação entre os modelos quantizado e não quantizado confirmou a viabilidade do uso embarcado sem perda significativa de desempenho.