Cientistas da Mayo Clinic estão utilizando a inteligência artificial (IA) e o aprendizado das máquinas para analisar exames de eletroencefalograma (EEG) com maior rapidez e precisão, permitindo que os neurologistas encontrem sinais precoces de demência entre dados que normalmente não são examinados.
O EEG, um exame com mais de um século de existência, durante o qual uma dúzia ou mais de eletrodos são fixados ao couro cabeludo para monitorar a atividade cerebral, é frequentemente utilizado para detectar epilepsia. Seus resultados são interpretados por neurologistas e outros especialistas treinados para identificar padrões entre as ondas irregulares do exame.
Em uma nova pesquisa publicada na Brain Communications, cientistas do Programa de Inteligência Artificial em Neurologia (NAIP, sigla em inglês) da Mayo Clinic demonstram como a IA pode não só acelerar a análise, mas também alertar os especialistas que analisam os resultados dos exames para padrões anormais extremamente sutis para os seres humanos detectarem. A tecnologia demonstra o potencial de, um dia, ajudar médicos a distinguir entre as causas de problemas cognitivos, como a doença de Alzheimer e a demência por corpos de Lewy. A pesquisa sugere que os EEGs, que são mais amplamente disponíveis, mais baratos e menos invasivos do que outros exames para avaliar a saúde cerebral, podem ser uma ferramenta mais acessível para ajudar os médicos a identificar problemas cognitivos nos pacientes precocemente.
“No EEG, há muitas informações médicas nessas ondas cerebrais sobre a saúde do cérebro”, diz o autor sênior David T. Jones, neurologista e diretor do NAIP. “Sabe-se que é possível ver essas ondas desacelerarem e parecerem um pouco diferentes em pessoas que possuem problemas cognitivos. No nosso estudo, queríamos saber se poderíamos medir e quantificar com precisão esse tipo de desaceleração com a ajuda da IA.”
Para desenvolver a ferramenta, pesquisadores reuniram dados de mais de 11.000 pacientes que se submeteram a EEGs na Mayo Clinic ao longo de uma década. Eles utilizaram o aprendizado das máquinas e da IA para simplificar padrões complexos de ondas cerebrais em seis características específicas, ensinando o modelo a descartar automaticamente certos elementos, como dados que deveriam ser ignorados, com o intuito de se concentrar em padrões característicos de problemas cognitivos como a doença de Alzheimer.
“Foi notável a forma como a tecnologia ajudou a extrair rapidamente padrões de EEG em comparação com as medidas tradicionais de demência, como testes cognitivos à beira do leito, biomarcadores de fluidos e imagens cerebrais”, explica Wentao Li, coautor principal do artigo que conduziu a pesquisa com o NAIP enquanto era residente em neurologia comportamental na Mayo Clinic.
“Neste momento, uma forma comum de quantificarmos padrões em dados médicos é através da opinião de especialistas. E como sabemos que esses padrões estão presentes? Porque algum especialista diz que eles estão presentes”, diz Jones. “Mas agora, com a IA e com o aprendizado das máquinas, não apenas vemos coisas que os especialistas não conseguem ver, mas também podemos quantificar com precisão o que eles conseguem perceber.”
O uso do EEG para detectar problemas cognitivos não substituiria necessariamente outros tipos de exames, como ressonâncias magnéticas ou tomografias por emissão de pósitrons (PET). Mas com o poder da IA, o EEG poderia, um dia, fornecer aos profissionais de saúde uma ferramenta mais econômica e acessível para o diagnóstico precoce em comunidades de difícil acesso a clínicas especializadas ou equipamentos especializados, como em ambientes rurais, de acordo com Jones.
“É realmente importante detectar problemas de memória precocemente, mesmo antes de serem óbvios”, alerta Jones. “Ter o diagnóstico correto precocemente nos ajuda a fornecer um panorama correto e o melhor tratamento ao paciente. Os métodos que estamos analisando podem ser uma maneira mais econômica de identificar pessoas com perda precoce de memória ou demência em comparação com os exames atuais que temos, como o exame do líquido cefalorraquidiano, exames de glicose no cérebro ou exames de memória.”
De acordo com Jones, são necessários vários anos adicionais de pesquisa para seguir testando e validando as ferramentas. No entanto, ele diz que a pesquisa demonstra que existem maneiras de usar dados clínicos para incorporar novas ferramentas no fluxo de trabalho clínico para atingir o objetivo dos pesquisadores de trazer novos modelos e inovações para a prática clínica, de melhorar as capacidades das avaliações existentes e de dimensionar esse conhecimento fora da Mayo Clinic.
“Este trabalho exemplifica o trabalho em equipe multidisciplinar para avançar na pesquisa em saúde baseada em tecnologia translacional,” diz o Ph.D. Yoga Varatharajah, coautor principal do artigo e colaborador de pesquisa do NAIP quando o trabalho foi concluído.
O financiamento para a pesquisa inclui o apoio do Edson Family Fund, da Epilepsy Foundation of America, da Benjamin A. Miller Family Fellowship in Aging and Related Diseases, do Programa de Inteligência Artificial em Neurologia da Mayo Clinic e da Fundação Nacional da Ciência (Prêmio nº IIS-2105233), e dos Institutos Nacionais da Saúde, incluindo a concessão UG3 NS123066.
*Informações Assessoria de Imprensa
