Algoritmo avançado prevê resultados para pacientes com lesão cerebral grave

Republicado por Platão

seguidores: 0

Uma equipe de pesquisadores dos EUA criou um modelo inovador de aprendizado profundo que analisa tomografias computadorizadas e informações clínicas para prever resultados de seis meses para pacientes com lesão cerebral traumática grave (TCE). Além de superar as previsões dos neurocirurgiões, o algoritmo também pode orientar com precisão os pacientes com TCE para cuidados que salvam vidas.

Melhores decisões clínicas

Como parte da pesquisa, cientistas de dados da Escola de Medicina da Universidade de Pittsburgh trabalhou com cirurgiões de neurotrauma no Centro Médico da Universidade de Pittsburgh (UPMC) para criar um novo modelo de inteligência artificial que processe várias tomografias de crânio de pacientes com TCE grave. O algoritmo, descrito em Radiologia, também analisa os sinais vitais dos pacientes, exames de sangue e função cardíaca, bem como estimativas da gravidade do coma.

googletag.cmd.push (function () {googletag.display ('div-gpt-ad-3759129-1');});

Reconhecendo o fato de que as técnicas de imagem cerebral evoluem com o tempo e que a qualidade da imagem pode variar substancialmente de paciente para paciente, a equipe considerou a irregularidade dos dados treinando o algoritmo em uma variedade de diferentes protocolos de imagem.

Os pesquisadores, liderados por co-primeiros autores Mateus Pease e Dooman Arefan, validaram seu modelo testando-o em duas coortes de pacientes – uma composta por mais de 500 pacientes com TCE grave previamente tratados na UPMC e outra por 220 pacientes de 18 instituições de todo o país, por meio do consórcio TRACK-TBI. Eles compararam o desempenho do modelo com o do IMPACTO modelo e as previsões de três neurocirurgiões.

O modelo desenvolvido poderia prever com precisão o risco de morte e desfechos desfavoráveis dos pacientes seis meses após o incidente traumático. É importante ressaltar que o modelo manteve sua capacidade quando testado em uma coorte multi-institucional independente do consórcio TRACK-TBI. O modelo também mostrou superar as previsões feitas por três neurocirurgiões assistentes.

Como coautores seniores Shandong Wu e David Okonkwo explicar, o TCE é uma doença que interrompe a função cerebral normal e pode levar a incapacidade neurológica, emocional e ocupacional permanente. Ao tratar tais lesões, os médicos confiam no prognóstico para orientar a terapia clínica, mas lutam para prever com precisão os resultados no TCE grave. Como tal, observa Wu, há uma “grande necessidade e potencial de alavancar informações clínicas multimodais e aprendizado de máquina para desenvolver modelos de previsão baseados em dados para melhorar a previsão de resultados para pacientes com TCE grave”.

“Usamos técnicas de aprendizado profundo e aprendizado curricular para desenvolver modelos de previsão que processam dados de imagens de TC da cabeça e outras variáveis clínicas dos pacientes”, diz Wu. “Na prática, esse modelo pode fornecer uma previsão automatizada do potencial de recuperação de um paciente individual para informar melhor as decisões clínicas e o atendimento ao paciente.”

Previsões individualizadas

Wu observa que, nos últimos anos, o aprendizado de máquina e o aprendizado profundo transformaram a análise de dados médicos e melhoraram o desempenho no suporte ao diagnóstico de detecção auxiliado por computador e à triagem de doenças médicas. De fato, muitos modelos e ferramentas baseados em aprendizado de máquina estão agora sob investigação acadêmica e avaliação clínica.

Na visão de Wu, a principal vantagem do novo modelo é que ele é capaz de analisar efetivamente dados multidimensionais e multimodais, como imagens e dados clínicos não imagéticos, de maneira automatizada. Isso significa que o aprendizado de máquina pode aprender informações essenciais desses dados complexos, que podem ser difíceis para um médico humano digerir e processar.

Saiba mais

AI prevê resultado de coma a partir de rastreamento de EEG

“Nosso método também pode fornecer previsões individualizadas em comparação com modelos existentes, como o modelo IMPACT, que foi projetado para orientar ensaios clínicos e não prognosticar pacientes individuais”, diz ele.

Atualmente, o modelo é baseado em dados adquiridos na admissão de um paciente na sala de emergência, mas a equipe do projeto planeja aprimorá-lo ainda mais incorporando dados longitudinais adquiridos durante o atendimento do paciente com TCE.

“Também planejamos explorar a avaliação e identificar possíveis barreiras no que diz respeito à implantação de tais modelos no fluxo de trabalho e nas configurações clínicas”, acrescenta Wu.

AI na Semana de Física Médica é apoiada por Sol Nuclear, fabricante de soluções de segurança do paciente para centros de radioterapia e diagnóstico por imagem. Visita www.sunnuclear.com para saber mais.