Uma equipa de investigação do Curso de Doutoramento em Tecnologia Informática Aplicada da Universidade Politécnica de Macau (UPM), constituída pelo aluno Chong Chak Fong, em colaboração com o assistente Yang Xu, o professor adjunto Wang Yapeng, o professor adjunto Ng Koon Kei e a professora adjunta Luo Wuman, apresentou um algoritmo inovador com base na aprendizagem profunda de inteligência artificial para melhorar a precisão da classificação automática de doenças baseada na radiografia do tórax. Os resultados foram publicados no artigo académico Image Projective Transformation Rectification with Synthetic Data for Smartphone-Captured Chest X-Ray Photos Classification, na prestigiada revista académica internacional “Computers in Biology and Medicine”, tendo como objectivo apoiar o desenvolvimento científico da indústria da Big Health de Macau.

“Computers in Biology and Medicine” é uma revista periódica de intersecção entre as áreas da ciência da computação, biologia e medicina e que apresenta os avanços revolucionários na aplicação da computação nas ciências biológicas e na medicina. A revista está disponível em bancos de dados de renome internacional, como o SCIE e o Scopus, sendo classificada como SCIE Q1 da Biologia (primeiros 7,61%); SCIE Q1 da Ciência da Computação e Aplicação Interdisciplinar (primeiros 16,36%); SCIE Q1 da Engenharia e Biomedicina (primeiros 16,67%); e SCIE Q1 da Matemática e Biologia Computacional (primeiros 7,27%).

Actualmente, a radiografia do tórax é amplamente utilizada na análise e diagnóstico de doenças. A equipa de investigação da UPM utiliza a tecnologia de aprendizagem profunda na área de inteligência artificial informática para realizar gradualmente a identificação automática de doenças através da radiografia digital do tórax. Os resultados da pesquisa usaram tecnologia de ponta em computação e inteligência artificial, incluindo a rede neural convolucional profunda, a aprendizagem em conjunto (Ensemble learning), o algoritmo genético e a tecnologia de processamento de imagens, entre outros, podendo o modelo algorítmico desenvolvido aumentar significativamente a respectiva precisão na imagem captada a película de raio-x do tórax, contribuindo assim para a popularização de eHealth, diagnósticos à distância e algoritmos de classificação automática de doenças baseada na radiografia do tórax.