IA é treinada para detectar sinais de alerta em exames de sangue

Este é o terceiro artigo de uma série de seis partes que analisa como a IA está mudando a pesquisa e os tratamentos médicos.

O cancro do ovário é “raro, subfinanciado e mortal”, afirma Audra Moran, chefe da Ovarian Cancer Research Alliance (Ocra), uma instituição de caridade global com sede em Nova Iorque.

Como todos os tipos de câncer, quanto mais cedo for detectado, melhor.

A maior parte do câncer de ovário começa nas trompas de falópio, portanto, quando chega aos ovários, já pode ter se espalhado para outros lugares.

“Cinco anos antes de ter um sintoma é quando você terá que detectar o câncer de ovário, para afetar a mortalidade”, diz a Sra. Moran.

Mas estão a surgir novos exames de sangue que utilizam o poder da inteligência artificial (IA) para detectar sinais do cancro nas suas fases iniciais.

E não é apenas o câncer, a IA também pode acelerar outros exames de sangue para detectar infecções potencialmente mortais, como pneumonia.

Daniel Heller é engenheiro biomédico do Memorial Sloan Kettering Cancer Center, em Nova York.

Sua equipe desenvolveu uma tecnologia de teste que utiliza nanotubos – minúsculos tubos de carbono que são cerca de 50 mil vezes menores que o diâmetro de um fio de cabelo humano.

Há cerca de 20 anos, os cientistas começaram a descobrir nanotubos que podem emitir luz fluorescente.

Na última década, os investigadores aprenderam como alterar as propriedades destes nanotubos para que respondam a quase tudo no sangue.

Agora é possível colocar milhões de nanotubos em uma amostra de sangue e fazer com que emitam diferentes comprimentos de onda de luz com base no que adere a eles.

Mas isso ainda deixava a questão da interpretação do sinal, que o Dr. Heller compara a encontrar uma correspondência para uma impressão digital.

Neste caso, a impressão digital é um padrão de moléculas que se ligam a sensores, com diferentes sensibilidades e forças de ligação.

Mas os padrões são sutis demais para serem percebidos por um humano.

“Podemos olhar para os dados e não conseguiremos entendê-los”, diz ele. “Só podemos ver os padrões que são diferentes com a IA.”

Decodificar os dados dos nanotubos significava carregá-los em um algoritmo de aprendizado de máquina e informar ao algoritmo quais amostras vieram de pacientes com câncer de ovário e quais vieram de pessoas sem câncer.

Estes incluíram sangue de pessoas com outras formas de cancro ou outras doenças ginecológicas que possam ser confundidas com cancro do ovário.

Um grande desafio no uso da IA ​​para desenvolver exames de sangue para pesquisas sobre câncer de ovário é que ela é relativamente rara, o que limita os dados para algoritmos de treinamento.

E muitos desses dados ficam isolados nos hospitais que os trataram, com compartilhamento mínimo de dados para os pesquisadores.

O Dr. Heller descreve o treinamento do algoritmo com base nos dados disponíveis de apenas alguns 100 pacientes como um “passe de Ave Maria”.

Mas ele diz que a IA conseguiu obter uma precisão melhor do que os melhores biomarcadores de cancro disponíveis hoje – e essa foi apenas a primeira tentativa.

O sistema está sendo submetido a mais estudos para ver se pode ser melhorado usando conjuntos maiores de sensores e amostras de muito mais pacientes. Mais dados podem melhorar o algoritmo, assim como os algoritmos para carros autônomos podem melhorar com mais testes nas ruas.

Dr. Heller tem grandes esperanças para a tecnologia.

“O que gostaríamos de fazer é triagem de todas as doenças ginecológicas – então, quando alguém chega com uma queixa, podemos dar aos médicos uma ferramenta que lhes diga rapidamente se é mais provável que seja um câncer ou não, ou este câncer do que aquele”.

Dr Heller diz que isso pode demorar “três a cinco anos”.

Não é apenas para a detecção precoce que a IA é potencialmente útil, mas também para acelerar outros exames de sangue.

Para um paciente com cancro, contrair pneumonia pode ser mortal e, como existem cerca de 600 organismos diferentes que podem causar pneumonia, os médicos têm de realizar vários testes para identificar a infecção.

Mas novos tipos de exames de sangue estão simplificando e acelerando o processo.

Karuis, com sede na Califórnia, usa inteligência artificial (IA) para ajudar a identificar o patógeno preciso da pneumonia em 24 horas e selecionar o antibiótico certo para ele.

“Antes do nosso teste, um paciente com pneumonia teria de 15 a 20 testes diferentes para identificar sua infecção apenas na primeira semana no hospital – isso equivale a cerca de US$ 20 mil em testes”, diz o executivo-chefe da Karius, Alec Ford.

Karius possui um banco de dados de DNA microbiano que contém dezenas de bilhões de pontos de dados. Amostras de teste de pacientes podem ser comparadas a esse banco de dados para identificar o patógeno exato.

Ford diz que isso teria sido impossível sem a IA.

Um desafio é que os investigadores não compreendem necessariamente todas as ligações que uma IA pode fazer entre os biomarcadores de teste e as doenças.

Nos últimos dois anos, o Dr. Slavé Petrovski desenvolveu uma plataforma de IA chamada Milton que, usando biomarcadores nos dados do biobanco do Reino Unido, identifica 120 doenças com uma taxa de sucesso superior a 90%.

Encontrar padrões em tal massa de dados é apenas algo que a IA pode fazer.

“Estes são frequentemente padrões complexos, onde pode não haver um biomarcador, mas é preciso levar em consideração todo o padrão”, diz o Dr. Petrovski, que é investigador na gigante farmacêutica AstraZeneca.

Dr Heller usa uma técnica de correspondência de padrões semelhante em seu trabalho sobre câncer de ovário.

“Sabemos que o sensor se liga e responde a proteínas e pequenas moléculas no sangue, mas não sabemos quais das proteínas ou moléculas são específicas do cancro”, diz ele.

De forma mais ampla, os dados, ou a falta deles, ainda são uma desvantagem.

“As pessoas não partilham os seus dados ou não existe um mecanismo para o fazer”, diz Moran.

A Ocra está financiando um registro de pacientes em larga escala, com registros médicos eletrônicos de pacientes que permitiram aos pesquisadores treinar algoritmos em seus dados.

“É o começo – ainda estamos no oeste selvagem da IA”, diz Moran.