Dados do Trabalho

Título

Qual é o desempenho de uma rede de aprendizagem profunda para identificação de espécies irmãs do gênero Rhodnius, vetores da doença de Chagas?

Introdução

A identificação de triatomíneos é fundamental para a vigilância e controle da transmissão vetorial da doença de Chagas. Redes de Inteligência Artificial baseadas em aprendizagem profunda têm sido aplicadas com sucesso para identificar imagens de insetos vetores, incluindo triatomíneos, porém o desempenho para identificar espécies irmãs de gênero Rhodnius ainda não foi avaliado.

Objetivo (s)

Avaliar o desempenho de uma rede de aprendizagem profunda (AlexNet) para identificação de espécies irmãs do gênero Rhodnius (R. robustus, R. marabaensis e R. montenegrensis).

Material e Métodos

Fotografamos os insetos nos Laboratórios de Parasitologia da Faculdade de Ciências Farmacêuticas da Universidade Estadual Paulista Júlio de Mesquita Filho e da Universidade de Brasília. Os espécimes de R. marabaensis (n=50) e R. montenegrensis (n=60) foram obtidos de colônias fundadas com exemplares de Marabá, Pará e Monte Negro, Rondônia, respectivamente (Souza et al. 2016, Rosa et al. 2012). Os espécimes de R. robustus (n=60) eram de várias localidades do Brasil. O banco de imagens das espécies foi dividido em conjuntos de treinamento e teste. Utilizamos 80% das imagens para treinamento da AlexNet, 10% para validação interna e 10% para teste, usando MATLAB. Calculamos a média da acurácia (10 pseudoréplicas) e intervalo de confiança 95% (IC) para cada simulação. Avaliamos o desempenho a partir dos valores de sensibilidade e especificidade.

Resultados e Conclusão

A acurácia média para a identificação das três espécies foi de 88% (IC95%: 83-92). O melhor desempenho foi observado para identificar R. montenegrensis (sensibilidade: 95%, IC95%: 86-98, especificidade: 85%, IC95%: 77-90). O desempenho da AlexNet para identificação de R. marabaensis (sensibilidade: 86% IC95%: 73-93 especificidade: 90%, IC95% 84-94) foi maior do que o de R. robustus (sensibilidade: 85%, IC95%: 73-91, especificidade: 90%, IC95% 84-94). Nossos resultados indicam que a AlexNet apresenta bom desempenho para identificar espécies irmãs do gênero Rhodnius, reforçando a utilidade dessa abordagem em estudos taxonômicos.

Palavras-chave

triatomíneos, Rhodnius, inteligência artificial, aprendizagem profunda, AlexNet, doença de Chagas.

Agradecimentos

CNPq, CAPES, FAPESP