Determinação Automática do Tipo Sanguíneo de Humanos Utilizando Técnicas de Processamento de Imagem Ana Ferraz 1, Vítor Carvalho 2, Patrícia Brandão 3 1,2,3 Grupo de Informática para a Saúde (GIS), Escola Superior de Tecnologia (EST) Instituto Politécnico do Cávado e do Ave (IPCA), Portugal Resumo Este trabalho apresenta uma metodologia para a determinação automática do tipo sanguíneo de humanos, utilizando técnicas de processamento de imagem. Utilizou-se como referência o método em placa na análise experimental, registrando-se os resultados visualizados com uma máquina fotográfica digital. As imagens obtidas foram processadas e analisadas com uma aplicação desenvolvida em Imaq Vision da National Instruments, que permite classificar automaticamente o tipo sanguíneo da amostra em teste. A implementação em unidades de saúde, de um sistema baseado na abordagem apresentada, permitirá entre outras, reduzir os riscos de transfusões fatais associados à interpretação humana errada do tipo sanguíneo. Palavras-chave:Tipos Sanguíneos, Processamento de Imagem, IMAQ Vision, Método em Placa Abstract This work presents a methodology for the automatic determination of human blood type, using image processing techniques. It was used the plate method as a reference in the experimental analysis, being registered the results with a digital camera. The obtained images were analyzed and processed with a custom application developed with IMAQ Vision from National Instruments, allowing the automatic blood type classification of the sample under test. The implementation in health units, of a system based in the presented approach, will enable between others, the risk reduction of fatal transfusions associated with wrong human blood type interpretation. Key-words: Blood Types, Image Processing, IMAQ Vision, Plate Method Introdução Atualmente, a determinação do tipo sanguíneo de humanos é realizada manualmente através da técnica do método em placa ou através da técnica de cartões [1-4]. A técnica do método em placa baseia-se nas reações imunológicas que ocorrem quando se misturam determinados soros na amostra de sangue em teste (anti-a, anti-b, anti-ab e anti-d) (Figura 1) [1][2]. Seguidamente, com base na interpretação das reações de aglutinação é possível determinar-se quais os antigénios presentes nos glóbulos vermelhos da amostra de sangue, permitindo a classificação do tipo sanguíneo [2]. A técnica de cartões (Card-ID para o sistema ABO/Rh) utiliza o sistema Diamed [2-4]. Esta abordagem requer a mistura da amostra de sangue com o conteúdo dos microtubos presentes no Card-ID e posterior centrifugação, seguindo-se uma interpretação dos resultados [5]. Apesar de fiável tem a desvantagem de necessitar de 30 minutos, duração esta excessiva, especialmente em situações de emergência. Assim, considerando que a técnica do método em placa permite obter resultados imediatos e eficientes (no pior caso em 2 minutos), foi utilizada como referência neste trabalho. a) b) c) d) Figura 1 - Soros em placa [a) - anti-a, b) - anti-b, c) - anti-ab, d) - anti-d] Como referido anteriormente, os resultados obtidos, quer através da técnica do método em placa, quer através da técnica de cartões, estão sujeitos à interpretação humana. Este processo torna a determinação do tipo sanguíneo suscetível a falhas humanas. Neste âmbito, é conhecido que o risco de uma reação fatal, devido à administração de um tipo sanguíneo errado, é de 1 em cada 600,000-800,000 transfusões [6][7]. Estes valores estatísticos,
embora reduzidos, poderão ser severamente minimizados ou mesmo eliminados, se a determinação do tipo sanguíneo for realizada de forma automática. Da pesquisa bibliográfica realizada, foi possível identificar-se duas abordagens que visam a determinação automática do tipo sanguíneo, utilizando sensores ópticos [6][8]. No entanto, comparativamente a estas, a técnica apresentada neste trabalho, baseada em técnicas de processamento de imagem, para além de inovadora, prevê quer um custo de implementação e produção inferior, quer menor complexidade e maior portabilidade, tornando-se uma mais valia comercial. Validação da Técnica de Análise de Imagem Aplicada a) b) Line Profile A metodologia a aplicar neste trabalho foi validada, como referido anteriormente, através dos resultados de referência obtidos com a técnica do método em placa, descrita na secção anterior. As reações obtidas foram registradas em tamanho real, com uma máquina fotográfica digital CCD [9] (Sony Cyber-shot DSC-S600) de 6.0 megapixels de resolução. A análise das imagens obtidas foi realizada através da ferramenta de processamento de imagem, IMAQ Vision da National Instruments [10]. Utilizando-se a função Line Profile, é possível obter-se uma descrição dos níveis de intensidade de cor ao longo de uma secção da imagem analisada. Assim, a aplicação desta função permite identificar a ocorrência ou não de aglutinação, pois: Figura 2 - [a) - Aplicação da função Line Profile na secção de bordas, b) - Ampliação da imagem a) salientando as diferentes zonas de intensidade (A, B e C)] Variações significativas dos níveis de amplitude de intensidade de cor (vermelho), verificam-se quando ocorre aglutinação; Variações praticamente inexistentes dos níveis de intensidade de cor (vermelho), verificam-se quando não ocorre aglutinação. Zona A Zona B Zona C Os resultados da aplicação da função Line Profile, na secção de bordas da Figura 2 (ocorrência de aglutinação) e Figura 4 (sem aglutinação), são apresentados na Figura 3 e Figura 5, respectivamente. A secção de bordas é utilizada para análise, por apresentar em ocorrência de aglutinação, os níveis de variação de amplitude mais significativos, permitindo uma identificação mais eficaz da mesma. Figura 3 - Resultados da aplicação da função Line Profile na Figura 2 Observando-se a Figura 3 verifica-se que na zona A, ocorre um nível de oscilação reduzido de intensidade dos pixels, correspondendo a uma zona de aglutinação pouco acentuada. Na zona B, verificam-se oscilações significativas,
correspondendo à região onde a aglutinação é mais notória. Por fim, a zona C, onde se verifica uma descida significativa do nível de amplitude dos pixels, corresponde à localização do soro utilizado. A Figura 4, ilustra a aplicação da função Line Profile a uma imagem em que não ocorre aglutinação. A Figura 5 apresenta os resultados da análise. a) Zona A Zona B Line Profile Figura 5 - Resultados da aplicação da função Line Profile na Figura 4 Assim, através dos resultados obtidos, conclui-se que quando ocorre aglutinação, observam-se zonas na análise da imagem, que apresentam níveis de oscilação de intensidade de pixels elevados. Estes resultados preliminares permitem validar a metodologia utilizada possibilitando a determinação, com segurança, de ocorrência ou não de aglutinação. Seguidamente, recorrendo-se a análise estatística, é possível quantificar matematicamente os resultados obtidos. b) Algoritmo de Determinação Automática de Ocorrência de Aglutinação Para se determinar automaticamente o tipo sanguíneo de uma amostra de sangue, foram aplicadas sequencialmente, as seguintes técnicas de processamento de imagem da ferramenta IMAQ Vision: 1) Função Extract Color Planes, especificamente na opção Extract RGB Green. Esta função permite extrair o plano de cor verde de uma imagem RGB [10]. Após esta ação, é possível identificar-se com maior destaque, as zonas de ocorrência de aglutinação nas imagens analisadas. Figura 4 [a) Aplicação da função Line Profile na secção de bordas, b) Ampliação da imagem a) salientando as diferentes zonas de intensidade (A e B)] A Figura 6 apresenta a aplicação desta função, nas imagens da Figura 2a) (com ocorrência de aglutinação a)) e Figura 4a) (sem ocorrência de aglutinação b)). Observando-se a Figura 5, verifica-se que na zona A praticamente não ocorrem oscilações. Este fato resulta da não ocorrência de aglutinação na Figura 4, obtendo-se níveis praticamente constantes de intensidade de cor. Na zona B, que corresponde à zona do soro utilizado, verifica-se uma descida da intensidade de cor.
a) b) Figura 6 - Aplicação da função Extract Color Planes (Extract RGB Green) às imagens da Figura 2a) e Figura 4b), respectivamente identificadas como a) e b) Observando-se a Figura 6a) identificam-se variações na intensidade de cor entre o preto e o branco (ocorrência de aglutinação). A Figura 6b) assume uma tonalidade homogênia de preto, não havendo oscilações significativas na intensidade de cor (não ocorrência de aglutinação). Como a transição de nível entre os contrastes preto/ branco, é superior à transição de nível entre contrastes de vermelho e as cores utilizadas nos soros, a aplicação desta função possibilita uma quantificação matemática da análise de aglutinação mais precisa. 2) Função. Esta função permite quantificar estatisticamente selecionadas áreas de imagem, através dos níveis de intensidade dos pixels. Assim, é possível obter-se o valor médio, o desvio padrão, o valor mínimo e o valor máximo de amplitude dos pixels analisados [11]. A Figura 7 apresenta a aplicação da função nas imagens da Figura 6. a) b) função nas áreas selecionadas das imagens da Figura 7. Analisando-se a Tabela 1, verifica-se que o desvio padrão da imagem onde ocorre aglutinação (Figura 7a)), é notoriamente superior ao desvio padrão da imagem onde não ocorre aglutinação (Figura 7b)). São também observadas diferenças significativas nos restantes parâmetros analisados, excetuando-se, como esperado, o valor mínimo (0.00) que corresponde à tonalidade branca. Tabela 1 - Resultados da aplicação da função, representada na Figura 7 Figura Média Desvio Padrão Mínimo Máximo 7a) 18.78 26.94 0.00 224.00 7b) 6.25 13.59 0.00 172.00 O desvio padrão é o parâmetro que permite distinguir com maior exatidão e eficácia, a ocorrência ou não de aglutinação, como resultado da quantificação dos desvios de intensidade dos pixels na área da imagem analisada. Verificou-se que para as condições de aquisição de imagem utilizada, a ocorrência de aglutinação se traduzia num desvio padrão superior a 20 pixels. Assim, conclui-se que utilizando o algoritmo descrito, é possível classificar-se de forma automática o tipo sanguíneo de uma amostra de sangue. Resultados Experimentais Aplicou-se a metodologia descrita na secção anterior, a um conjunto de imagens do mesmo tipo sanguíneo, utilizando-se os quatro diferentes soros de teste. A Figura 8 ilustra as imagens inicialmente adquiridas e a Figura 9, as imagens finais, após a utilização das técnicas de processamento de imagem. Figura 7 - a) -Aplicação da função à imagem da Figura 6a), b) - aplicação da função à imagem da Figura 6b) A Tabela 1 apresenta os resultados dos parâmetros estatísticos, determinados com a
a) b) Tabela 2 Resultados dos parâmetros estatísticos aplicados às imagens da Figura 9 Figura Soro Média Desvio Padrão Mínimo Máximo c) d) 9a) Anti-A 16.32 26.63 0.00 200.00 9b) Anti-B 13.80 15.10 0.00 177.00 9c) AntiAB 10.33 21.09 0.00 176.00 9d) Anti-D 5.37 14.25 0.00 167.00 Figura 8 - Imagens adquiridas das amostras de sangue, misturadas com os diferentes soros de teste a) b) Analisando-se a Tabela 2, verifica-se que não ocorre aglutinação na Figura 9b) e 9d) (desvio padrão inferior a 20 pixels) e que ocorre aglutinação na Figura 9a) e 9c) (desvio padrão superior a 20 pixels). Observa-se também que embora ocorra aglutinação na Figura 9c), esta não é tão significativa como na Figura 9a), pois apresenta um menor valor de amplitude no desvio padrão (21.09 pixels < 26.63 pixels). Este resultado deve-se ao fato de ter sido administrado o soro anti-ab na Figura 9c), ocorrendo aglutinação na presença de uma menor quantidade de soro A. Assim, em função dos resultados obtidos, conclui-se que o tipo sanguíneo da análise de sangue analisada é do tipo A [2], dado que apenas se verificou a ocorrência de aglutinação na presença dos soros anti-a e anti-ab. c) d) Software Desenvolvido Após a implementação e validação da metodologia descrita nas secções anteriores, foi desenvolvida uma aplicação utilizando o IMAQ Vision e o LabVIEW TM da National Instruments [12]. A Figura 10 apresenta a interface da aplicação desenvolvida. Figura 9 - Aplicação das técnicas de processamento de imagem às imagens da Figura 8 a) b) A Tabela 2 apresenta os resultados dos parâmetros estatísticos associados às zonas de análise das imagens apresentadas na Figura 9. d) c) Figura 10 - Interface da aplicação desenvolvida [a) - Imagem inicial, b) - Imagem final, c) - Seleção da região de interesse (ROI), d - Resultados obtidos]
A interface da aplicação desenvolvida (Figura 10), apresenta-se dividida em quatro diferentes sectores: sector a), para apresentação da imagem inicial adquirida, sector b), para apresentação da imagem final obtida após utilização das técnicas de processamento de imagem, sector c), para seleção da região de interesse da imagem e por último, o sector d), para apresentação dos resultados. Conclusões e Trabalho Futuro Após a realização dos estudos apresentados neste trabalho, pode concluir-se que as técnicas de processamento de imagem, mostraram-se capazes de determinar automaticamente, de forma rápida e segura, o tipo sanguíneo das amostras de sangue analisadas. São identificadas zonas claramente distintas na intensidade dos pixels das imagens, que permitem classificar com precisão, recorrendo à quantificação matemática, a ocorrência de aglutinação. A utilização como referência da técnica do método em placa, adequa-se convenientemente à metodologia de detecção do tipo sanguíneo utilizando processamento de imagem, pois apresenta resultados seguros em tempos inferiores a 2 minutos. Assim, a utilização da abordagem apresentada neste trabalho, permite eliminar os erros de interpretação do tipo sanguíneo cometidos pelos técnicos especialistas, permitindo a realização de transfusões mais seguras e contribuindo para a redução de perdas de vidas humanas. Futuramente, pretende-se desenvolver um sistema comercial inovador, portátil e de baixo custo, passível de ser utilizado nas demais unidades de saúde, com um requisito reduzido de recolha de quantidade de sangue do paciente, permitindo, para além das vantagens já enunciadas, reduzir o volume de sangue desperdiçado em testes. Pretende-se também que este sistema registre entre outros, o fluxo de testes efetuados e os tipos de sangue requisitados. Estes dados, associados a um sistema de informação de saúde, tornar-se-ão num instrumento capaz de, organizar e analisar requisitos necessários à definição de problemas na área da saúde, permitindo estimular o desenvolvimento de novas soluções que atendam especificamente às necessidades dos serviços prestados à população. Referências [1] Folha de dados do Diamed AG,1785 Cressier s/morat, Cressier, 2008. [2] Rod R S, Tate P, Trent D S. Anatomia & Fisiologia. 6ª ed. Lusociência, Loures, 2005. [3] Diamed - Diagnostic and Medical Products [homepage na Internet]. [acesso em 2008 Julho 24] Disponível em: www.diamed.pt/frontend/index.php?option= com_content&task=view&id=2&itemid=3 [4] Diamed - Diagnostic and Medical Products [homepage na Internet]. [acesso em 2008 Julho 24] Disponível em: www.diamed.ch/product_detail.aspx?id=92&n avvis= [5] Folha de dados do Diamed-ID, Card-ID. Diaclon ABO\Rh for patients. Cressier, 2008. [6] Alexander S P. An Integrated Microoptical Microfluidic Device for Agglutination Detection and Blood Typing [Tese de Mestrado]. Califórnia: Universidade do Norte da Carolina; 2007. [7] Muller A, Girard M. Automatisation des activités de contrôle immunohématologiques dans les établissements de transfusion sanguine français. Revue Francaise de Transfusion et Immuno-hématologie. November 1983. Vol. 26 (5), p.517-530. [8] Nano2Life Bringing Nanotechnologies to Life [homepage na Internet]. [acesso em 2008 Julho 24] Disponível em: n2lvip.tau.ac.il/attachments/023_s_ Wolff.ppt. [9] Kristian J, Blouke M. Charged-Coupled Devices in Astronomy. Scientific American. October 1982. Vol. 247(4), p. 66-74. [10] IMAQ. IMAQ Vision Concepts Manual. National Instruments, Austin, 2004. [11] Bisquerra R, Martínez F, Sarriera J C. Introdução à Estatística Enfoque Informático com Pacotes Estatístico SPSS. Artmed, São Paulo, 2004. [12] Klinger T. Image Processing with LabVIEW and IMAQ Vision. Prentice Hall, New Jersey, 2003. Contatos Instituto Politécnico do Cávado e do Ave (IPCA), Escola Superior de Tecnologia (EST), Grupo de Informática para a Saúde (GIS), Urb. das Calçadas - Edifício Galo - SN R/C, 4750-117 Arcozelo, Barcelos, Portugal. Telefone: + 351 253 802 205, Fax: + 351 253 802 269. Emails: Ana Ferraz (a2719@alunos.ipca.pt), Vítor Carvalho (vcarvalho@ipca.pt), Patrícia Brandão, (plbrandao@ipca.pt).