Summary: As patologias da coluna vertebral representam um problema de saúde pública global que podem ter grande impacto, com custos elevados em tratamentos e exames e redução significativa da qualidade de vida dos pacientes. O diagnóstico preciso e precoce é fundamental, porém a interpretação de exames de imagem, como Raios X (RX), Tomografia Computadorizada (TC) e Ressonância Magnética (RM), é uma tarefa complexa e está sujeita à subjetividade dos médicos. Dessa forma, a aplicação de sistemas de Diagnóstico Assistido por Computador (CAD - Computer-Aided Diagnosis) tem conquistado espaço significativo no diagnóstico de patologias vertebrais e técnicas de Visão Computacional, principalmente as baseadas em Deep Learning, têm sido associadas a reduções expressivas no tempo de diagnóstico (até 40%) e aumento significativo na acurácia diagnóstica (em torno de 25%), quando comparadas a métodos convencionais.

Nesse sentido, este projeto tem como proposta explorar a utilização de técnicas de Visão Computacional para diagnóstico de patologias na coluna vertebral e o uso de ferramentas de explicabilidade (XAI) para auxiliar os especialistas a entenderem as tomadas de decisão feitas pelo sistema computacional, ajudando a aumentar a confiabilidade de tais modelos.

Dessa forma, a busca por um modelo de diagnóstico mais preciso, consistente e automatizado, que ajude a reduzir não só o tempo de espera dos pacientes, mas também os custos e que possa servir como uma ferramenta confiável de apoio ao diagnóstico, justifica a proposta. A incorporação de técnicas de XAI (Explainable AI) garantirá que o sistema não seja uma "caixa preta", mas sim uma ferramenta transparente e confiável, cuja lógica possa ser compreendida e validada pelos médicos. O desenvolvimento dos modelos será realizado utilizando um conjunto de dados reais.

Starting date: 01/09/2026
Deadline (months): 52

Participants:

Role	Name
Coordinator *	PATRICK MARQUES CIARELLI