Um método que permite diagnosticar a Covid-19 em cerca de 20 minutos – com baixo custo e sem a necessidade de reagentes importados – foi descrito por pesquisadores brasileiros em artigo divulgado na plataforma medRxiv, ainda sem revisão por pares. O sistema usa algoritmos de inteligência artificial capazes de reconhecer em amostras de plasma sanguíneo de pacientes um padrão de moléculas característico da doença.

Segundo os autores, também é possível identificar, entre os casos confirmados, os indivíduos com maior risco de desenvolver manifestações graves, como insuficiência respiratória. O projeto é apoiado pela Fapesp e envolve pesquisadores da Universidade Estadual de Campinas (Unicamp) e da Universidade de São Paulo (USP), além de colaboradores no Amazonas.

“Nos testes feitos para validar a metodologia, conseguimos diferenciar as amostras positivas e negativas com um acerto de mais de 90%. Também fizemos a diferenciação entre casos graves e leves com acerto em torno de 82%. Agora, estamos iniciando o processo de certificação junto à Anvisa (Agência Nacional de Vigilância Sanitária)”, conta à Agência Fapesp o professor da Unicamp Rodrigo Ramos Catharino, coordenador da pesquisa.

Segundo ele, o exame, quando em operação, poderia custar em torno de R$ 40 por amostra, cerca de metade do preço de custo do RT-PCR, método considerado padrão-ouro para diagnóstico da Covid-19.

“O projeto contou com a participação de 728 pacientes – sendo 369 com diagnóstico de Covid-19 confirmado clinicamente e por RT-PCR. As amostras de indivíduos não infectados foram usadas para comparação, como uma espécie de grupo controle. No caso de alguns pacientes que desenvolveram complicações e precisaram ser internados, foi coletada uma segunda amostra de sangue. De modo geral, entre os casos confirmados, havia indivíduos com sintomas leves e graves”, conta a doutoranda Jeany Delafiori, que desenvolveu o trabalho.

Parte das amostras foi usada pela equipe do IC-Unicamp para ensinar um método de inteligência artificial a reconhecer padrões de metabólitos encontrados nos casos positivos e nos negativos, bem como diferenciar os padrões dos casos leves e graves. A outra parte foi usada em um teste cego, cujo objetivo foi avaliar o acerto final da análise feita pelo sistema.

Segundo os dados do artigo, o método alcançou 97,6% de especificidade e 83,8% de sensibilidade para o diagnóstico da doença no teste cego. Já em relação à análise de risco para manifestação grave a especificidade foi de 76,2% e a sensibilidade foi de 87,2%.

“Sensibilidade, também conhecido como sensitividade, é o parâmetro que indica o quão sensível o método é para detectar a presença ou ausência da Covid-19. Já especificidade tem a ver com a capacidade de diferenciar a Covid-19 de outras condições de saúde. Esses dois parâmetros, quando analisados em conjunto, determinam a taxa de acerto”, explica Delafiori.

A equipe do IC-Unicamp também criou um software para automatizar todo o processo de análise e gerar, no final, um relatório que informa para o médico se o paciente tem a Covid-19 e se apresenta risco de complicações.

Na avaliação de Rinaldo Focaccia Siciliano, co-autor do estudo e médico assistente da Divisão de Moléstias Infecciosas e Parasitárias do Hospital das Clínicas (HC-FM-USP) e da Unidade de Controle de Infecção Hospitalar do Instituto do Coração (InCor), o método tem mostrado um bom desempenho para detectar tanto os casos leves, nos primeiros dias de sintomas, como também os mais avançados, de pacientes que já apresentam falta de ar na admissão ao hospital. “A vantagem de ter vários centros participando do projeto, com diferentes perfis, é a variabilidade das amostras. Isso permite que seja possível aplicar a metodologia em diferentes cenários, tanto ambulatorial quanto hospitalar”, diz.

Fonte: Agência Fapesp