Resumo A Amazônia apresenta limitações estruturais persistentes para o diagnóstico das filarioses. Este estudo teve como objetivo desenvolver e avaliar um modelo de inteligência artificial baseado em redes neurais convolucionais para classificar imagens microscópicas quanto à presença ou ausência de microfilárias. Trata-se de um estudo tecnológico, quantitativo e aplicado, no qual amostras sanguíneas de 43 cães foram coletadas na zona rural de Manaus, preparadas em lâminas coradas e digitalizadas por webcam acoplada ao microscópio, gerando 500 imagens originais. As imagens foram pré-processadas, organizadas em classes binárias e submetidas a aumento de dados no conjunto de treinamento, resultando em aproximadamente 1.000 instâncias. O ground truth foi definido por avaliação morfológica especializada e confirmação molecular por microdissecação a laser e PCR. O modelo EfficientNetV2-B0, treinado em abordagem patch-based, alcançou acurácia de 93,6%, precisão de 91,8%, sensibilidade de 92,4% e F1-score de 92,1%. O tempo médio de análise por lâmina foi de 104 segundos com a IA, frente a 2.065 segundos na leitura humana, evidenciando ganho expressivo de eficiência e potencial de aplicação na triagem parasitológica e na vigilância epidemiológica.
Este estudo aborda as Mansonellas que estão entre as causas mais comuns de parasitoses sanguíneas e encontram-se amplamente distribuídas em toda a África e América Latina. Diante deste contexto, este trabalho tem como objetivo dissertar sobre a imunomodulação produzida por mansonelose e sua implicação na reação imune contra diferentes antígenos vacinais. Para que fosse possível o alcance deste objetivo, foi utilizada a metodologia para a pesquisa bibliográfica com auxílio dos sites Biblioteca Virtual de Saúde, Scielo – Scientific Electronic Library Online, Lilacs – Centro Latino-Americano e do Caribe de Informação em Ciências da Saúde e NIH-NCBI-Pubmed – Centro Nacional de Informação Biotecnológica – Biblioteca Nacional de Medicina. Nestes sites foram utilizados os descritores: Filárias, Imunologia, Mansonelas e Vacina. A imunomodulação produzida por nematoides filariais predispõe a que se estenda a outros antígenos não-filariais. Assim, a infecção filarial pode ter profunda implicação na reação imune contra outros antígenos, sejam eles vacinas, alérgenos ambientais ou outras infecções. Desta forma, a imunossupressão parece ser a chave nas infecções crônicas por filárias, onde diferentes mecanismos altamente eficazes são utilizados pelos parasitos para promover sua sobrevivência. Com isso, essas infecções acabam apresentando uma característica extremamente relevante que é sua propensão em induzir efeitos regulatórios a uma variedade de respostas imunes, incluindo respostas a vacinas e outros agentes infecciosos.
A anemia ferropriva é um problema de saúde global originado por um longo período de déficit entre a quantidade de ferro biologicamente disponível no organismo e a sua necessidade orgânica, reduzindo no número de hemoglobina e a capacidade de transporte de oxigênio feito por esta proteína. Nesse contexto o objetivo geral desse projeto é observar os aspectos epidemiológicos de anemia ferropriva em populações indígenas rurais e urbanas do Brasil. Tendo como objetivos específicos: Descrever a prevalência da anemia ferropriva nessa população; avaliar a incidência da anemia na população indígena; comparar os dados epidemiológicos nas diferentes regiões e etnias no Brasil. Para tanto, será desenvolvido um estudo de revisão integrativa da literatura, com procedimento descritivo e comparativo, utilizando como fonte de dados a bibliografia da anemia ferropriva em populações indígenas no Brasil. O estudo será conduzido por meio da seleção de estudos nos bancos de dados: Google Acadêmico, Scielo – Scientific Electronic Library Online, Lilacs – Centro Latino-Americano e do Caribe de Informação em Ciências da Saúde e Pubmed – U. S. National Library of Medicine seguindo uma estratégia de busca conforme os descritores: “Anemia Ferropriva”, “Epidemiologia”, “Indígenas”, “Brasil”, “População indígena” e “Anemia por deficiência de ferro”, tendo como universo de tempo de 10 anos (2011-2021).
The Amazon region faces persistent structural limitations for the diagnosis of filarial diseases. This study aimed to develop and evaluate an artificial intelligence model based on convolutional neural networks to classify microscopic images according to the presence or absence of microfilariae. This was a technological, quantitative, and applied study in which blood samples from 43 dogs were collected in rural areas of Manaus, prepared on stained slides, and digitized using a webcam coupled to a microscope, generating 500 original images. The images were preprocessed, organized into binary classes, and subjected to data augmentation in the training set, resulting in approximately 1,000 instances. Ground truth was established through expert morphological assessment and molecular confirmation by laser microdissection and polymerase chain reaction (PCR). The EfficientNetV2-B0 model, trained using a patch-based approach, achieved an accuracy of 93.6%, precision of 91.8%, sensitivity of 92.4%, and an F1-score of 92.1%. The average analysis time per slide was 104 seconds using artificial intelligence, compared with 2,065 seconds for human reading, demonstrating a substantial gain in efficiency and highlighting the potential application of this approach in parasitological screening and epidemiological surveillance.