AIR-LEISH: Um Conjunto de Dados de Imagens Microscópicas Coradas por Giemsa para Detecção Baseada em IA de Amastigotas de Leishmania

Por que parasitas minúsculos e câmeras inteligentes importam

A leishmaniose é uma doença transmitida por parasitas que afeta silenciosamente milhões de pessoas, principalmente em regiões de baixa renda. Médicos e pesquisadores ainda dependem fortemente da observação de esfregaços de sangue e tecido corados ao microscópio para identificar o parasita dentro das células do sistema imunológico — um processo meticuloso que pode levar horas e exige treinamento especializado. Este artigo apresenta o AIR-LEISH, uma coleção de imagens de microscópio disponível gratuitamente, projetada para permitir que computadores aprendam a reconhecer esses parasitas automaticamente, abrindo caminho para ferramentas de diagnóstico e pesquisa de medicamentos mais rápidas, baratas e confiáveis.

Das picadas do flebótomo aos invasores escondidos

A leishmaniose é transmitida pela picada de flebótomos infectados e pode causar feridas cutâneas ou infecção potencialmente fatal de órgãos internos. O parasita vive e se multiplica dentro de células brancas chamadas macrófagos, escondendo-se em uma forma pequena e arredondada conhecida como amastigota. Para acompanhar o grau de acometimento de um paciente ou a eficácia de um tratamento em potencial, os pesquisadores precisam contar quantos parasitas estão alojados nessas células. Testes moleculares podem detectar DNA de parasitas, mas em muitos hospitais e laboratórios de pesquisa — especialmente em ambientes com poucos recursos — microscópios ópticos simples continuam sendo a ferramenta principal. Contar parasitas a olho nu, porém, é lento, cansativo e pode variar entre observadores.

Construindo um conjunto de treinamento para visão artificial

A inteligência artificial demonstrou ser capaz de identificar padrões em imagens médicas que são sutis demais ou tediosos para humanos processarem em larga escala. Mas, para funcionar bem, sistemas de IA precisam de milhares de exemplos cuidadosamente rotulados. Até agora, coleções de imagens para leishmaniose eram escassas, incompletas ou de difícil acesso — especialmente para a fase amastigota clinicamente importante, dentro das células. Os autores criaram o AIR-LEISH para preencher essa lacuna: 180 imagens de alta resolução, coradas por Giemsa, de macrófagos humanos infectados, capturadas com um smartphone comum acoplado a um microscópio de pesquisa padrão. Cada imagem mostra células de um de dois arranjos de infecção, usando diferentes espécies de parasitas e tipos de células hospedeiras, de modo a cobrir uma ampla variedade de aparições realistas.

Transformando imagens brutas em verdadeiros rótulos de referência

Para tornar as imagens úteis para computadores, cada célula e parasita teve de ser contornado e rotulado manualmente. Um especialista em parasitologia primeiro marcou os contornos dos macrófagos individuais, seus núcleos e as pequenas amastigotas usando uma ferramenta de anotação especializada. Em seguida, um engenheiro de IA refinou essas marcações pixel a pixel para assegurar formas e limites precisos, incluindo parasitas pequenos ou sobrepostos. A equipe verificou a consistência entre anotadores e encontrou um acordo muito alto, indicando que os rótulos podem ser confiáveis como referência. Ao todo, o conjunto de dados inclui 8.140 parasitas, 1.511 células hospedeiras e 1.731 núcleos, juntamente com imagens de máscaras separadas que informam exatamente a um algoritmo quais pixels pertencem a cada estrutura.

Colocando modelos de IA à prova

Para demonstrar o que o AIR-LEISH pode possibilitar, os pesquisadores treinaram dois sistemas de análise de imagem amplamente usados. Um, chamado U‑Net, foi projetado para colorir cada pixel conforme pertence ao fundo, parasita, corpo celular ou núcleo. O outro, YOLOv8, desenha caixas retangulares ao redor de cada objeto detectado e os conta. Apesar do tamanho reduzido dos parasitas e do número limitado de imagens, ambos os modelos tiveram bom desempenho em encontrar e separar parasitas de suas células hospedeiras, alcançando altas pontuações de acurácia e confiabilidade. Os modelos conseguiram até detectar uma única célula infectada entre mais de cem células em sua maioria limpas, indicando seu potencial para suportar triagens muito sensíveis no futuro.

Abrindo portas para melhor atendimento e novas curas

Ao publicar o AIR-LEISH abertamente na plataforma Zenodo, junto com código e documentação detalhada, os autores fornecem uma base prática para muitos grupos ao redor do mundo — especialmente aqueles com recursos limitados — construírem e compararem ferramentas de IA para leishmaniose. Como as imagens também incluem as células hospedeiras e seus núcleos, o conjunto de dados pode suportar estudos mais amplos de contagem celular, níveis de infecção e até outros patógenos que vivem dentro de células imunológicas semelhantes. Em termos simples, este trabalho transforma horas de trabalho especializado ao microscópio em um recurso digital reutilizável, ajudando a acelerar diagnósticos, descoberta de medicamentos e, em última instância, a luta contra uma doença negligenciada, porém grave.

Citação: Oualha, R., Fekih-Romdhane, N., Driss, D. et al. AIR-LEISH: A Dataset of Giemsa-Stained Microscopy Images for AI-based Leishmania amastigotes Detection. Sci Data 13, 328 (2026). https://doi.org/10.1038/s41597-026-06676-8

Palavras-chave: leishmaniose, imagens de microscopia, IA em imagens médicas, detecção de parasitas, diagnóstico de doenças infecciosas