Pesquisadores da Universidade Emory, localizada na região metropolitana de Atlanta, EUA, validaram um modelo de aprendizado profundo (DL – deep learning) capaz de detectar sinais de alerta precoce de diabetes usando radiografias de tórax coletadas rotineiramente e dados de registros eletrônicos de saúde (EHR) em pacientes que não atendem às diretrizes para risco elevado .
A ferramenta pode reforçar a detecção precoce da doença e ajudar a prevenir complicações relacionadas ao diabetes. No estudo que descreve o modelo, os pesquisadores observaram que a capacidade de sinalizar os primeiros sinais da doença pode ter impactos positivos significativos no tratamento, já que os diagnósticos de diabetes nos EUA aumentaram drasticamente nas últimas décadas.
A partir de 2021, a Força-Tarefa de Serviços Preventivos dos Estados Unidos (USPSTF) passou a recomendar que adultos assintomáticos de 35 a 70 anos com sobrepeso ou obesidade sejam rastreados para pré-diabetes e diabetes tipo 2. No entanto, os pesquisadores indicaram que essa estratégia de triagem pode perder um grande número de pacientes em risco, especialmente para pacientes de vários grupos raciais e étnicos para os quais o índice de massa corporal (IMC) é um preditor de risco de diabetes menos eficaz. O diabetes não diagnosticado pode levar a uma série de complicações e resultados adversos, incluindo doenças cardíacas, renais, cegueira e morte.
No entanto, muitas pessoas fazem radiografias de tórax todos os anos por vários motivos, e essas imagens se tornam parte do EHR do paciente. O advento da IA em saúde levou a muitas pesquisas sobre como a tecnologia pode mudar as imagens médicas, e esses estudos revelaram que pistas para muitas doenças podem ser encontradas em radiografias.
Essas imagens, armazenadas no EHR do paciente, podem ser analisadas para obter informações sobre a presença de condições como diabetes. “As radiografias de tórax fornecem uma alternativa ‘oportunista’ ao teste universal de diabetes”, disse Judy Wawira Gichoya, doutora e professora assistente de radiologia e ciências de imagem da Emory, que ajudou a liderar o estudo, no comunicado à imprensa detalhando as descobertas. “Esta é uma aplicação potencial empolgante da IA para extrair dados de testes usados por outros motivos e impactar positivamente o atendimento ao paciente.”
Para desenvolver seu modelo, os pesquisadores treinaram um algoritmo de DL para sinalizar os recursos que melhor previam o diagnóstico futuro de diabetes e fornecer uma pontuação de risco usando 270 mil imagens de raio X de um coorte (estudo observacional) retrospectivo de 160 mil pacientes. Como a abordagem é diferente da maioria dos métodos padrão para prever o risco de diabetes, a equipe de pesquisa também contou com técnicas explicáveis de inteligência artificial (IA) para entender como e por que o modelo chegou a suas conclusões.
Eles descobriram que a localização do tecido adiposo visível nas radiografias de tórax desempenha um papel fundamental na previsão do risco de diabetes. Os pesquisadores explicaram ainda que essa descoberta está de acordo com pesquisas recentes que sugerem que a presença de gordura visceral na parte superior do corpo e no abdômen está ligada à hipertensão, resistência à insulina e diabetes tipo 2.
A equipe da Emory validou externamente o modelo usando dados de radiografia de tórax de 10 mil pacientes, descobrindo que a ferramenta previu o risco de diabetes melhor do que um modelo usando apenas dados clínicos sem imagem. Além disso, o modelo foi capaz de identificar alto risco de diabetes até três anos antes do diagnóstico oficial do paciente.
Os pesquisadores postularam que as pontuações de risco do modelo poderiam ajudar os provedores a personalizar as abordagens de tratamento para seus pacientes. “Diabetes é uma doença crônica em que a distribuição de gordura corporal é importante. Quanto maior a duração da doença e pior o controle glicêmico, maior o risco de complicações”, explicou Francisco Pasquel, doutor e professor associado da Divisão de Endocrinologia, Metabolismo e Lipídios da Emory, no comunicado à imprensa. “A abordagem oportunista de usar radiografias de tórax para identificar aqueles com maior risco de diabetes, mesmo antes de ocorrer um pico ou queda nos níveis de açúcar no sangue, é um método promissor que pode ajudar a melhorar os resultados por meio de medidas preventivas ou tratamento precoce.”
No futuro, a equipe de pesquisa investigará como validar ainda mais a ferramenta e incorporá-la aos EHRs para ajudar a incentivar as equipes de atendimento a buscar a triagem de diabetes para pacientes que não se enquadram nas diretrizes do USPSTF.
Outros pesquisadores também estão explorando como a IA pode ajudar a prever doenças crônicas. Em 2020, uma equipe do Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL) do Massachusetts Institute of Technology (MIT) compartilhou que os pesquisadores desenvolveram um modelo de aprendizado de máquina (ML) capaz de prever o risco de insuficiência cardíaca usando um único raio X.
A ferramenta foi projetada para detectar a gravidade do excesso de líquido nos pulmões dos pacientes, que geralmente é um sinal precoce de insuficiência cardíaca que determina o curso do tratamento. Determinar esses níveis de fluido pode ser um desafio, no entanto, levando os provedores a utilizar recursos sutis de raios-x para fornecer diagnósticos e orientar o tratamento.
O modelo quantifica a gravidade do fluido em uma escala de quatro pontos, de zero (saudável) a três (muito ruim). A ferramenta determinou o nível correto de excesso de fluido em mais da metade de todos os casos e diagnosticou corretamente os casos de nível três em 90% das vezes.
