Estado da arte do uso de CNNs para detecção de tuberculose em lâminas de baciloscopia: revisão sistemática da literatura

A tuberculose (TB) é uma causa global de morbimortalidade, demandando diagnósticos rápidos e precisos. A baciloscopia, método comum, é sujeita a limitações humanas. Neste cenário, as Redes Neurais Convolucionais (CNNs) oferecem grande potencial para automatizar e otimizar a detecção de Mycobacterium tuberculosis em lâminas microscópicas. Esta revisão sistemática teve como objetivo mapear e analisar o estado da arte na aplicação de CNNs para detecção de TB em lâminas de baciloscopia. Uma busca abrangente resultou em 852 artigos, dos quais 66 foram selecionados após rigorosos critérios de inclusão. Estes estudos foram detalhadamente analisados quanto às arquiteturas de CNN empregadas, bases de dados utilizadas e resultados de desempenho. Os achados indicam que as CNNs demonstram alta eficácia na identificação de bacilos da TB, frequentemente superando a consistência e velocidade do diagnóstico manual. Contudo, a revisão também revelou lacunas significativas, como a carência de bases de dados padronizadas e extensas para treinamento, a necessidade de mais validações clínicas e a adaptação dessas redes neurais para software e aplicativos para uso da comunidade. Os desafios incluem a variabilidade na qualidade das imagens, a escassez de anotações por especialistas e a dificuldade de generalização dos modelos. Esta revisão não apenas consolida o conhecimento atual, mas também aponta direções importantes para futuras pesquisas, visando explorar a aplicação das CNNs e desenvolver sistemas de detecção de tuberculose mais acessíveis e confiáveis.