Notícia

Aprendizado de máquina ajuda a detectar linfedema em sobreviventes de câncer de mama

Divulgação, Universidade de Nova Iorque

Fonte

Universidade de Nova Iorque

Data

segunda-feira, 11 junho 2018 10:00

Áreas

Enfermagem. Inteligência Artificial. Bioinformática.

O aprendizado de máquina usando relatos de sintomas em tempo real pode detectar com precisão o linfedema, um efeito colateral do tratamento do câncer de mama, que é mais facilmente tratado quando identificado precocemente. Este é o resultado de um novo estudo liderado pela Faculdade de Enfermagem da Universidade de Nova Iorque, nos Estados Unidos,e publicado na revista científica mHealth.

“Usar um algoritmo de classificação bem treinado para detectar o linfedema com base em relatos de sintomas em tempo real é uma ferramenta altamente promissora que pode melhorar os resultados do linfedema”, afirmou a Dra. Mei R. Fu, professora associada de enfermagem Universidade de Nova Iorque e principal autora do estudo.

O linfedema é um acúmulo de líquido linfático que causa inchaço nos braços ou pernas e é comumente causado pela remoção de linfonodos como parte do tratamento do câncer. Pode ocorrer imediatamente após a cirurgia de câncer ou até 20 anos após a cirurgia; estudo recente descobriu que mais de 41% dos pacientes com câncer de mama apresentaram linfedema nos braços em até 10 anos após a cirurgia. O linfedema é um dos efeitos adversos mais temidos do tratamento do câncer de mama devido à sua natureza crônica e sintomas debilitantes, incluindo inchaço nos braços, sensação de peso, aperto, dor, rigidez, queimação e mobilidade reduzida. Embora não haja cura para o linfedema, a detecção e a intervenção precoces podem reduzir os sintomas e impedir que piorem, embora a detecção precoce continue sendo um desafio.

“Os médicos geralmente detectam ou diagnosticam o linfedema com base em sua observação de inchaço. No entanto, no momento em que o inchaço pode ser observado ou medido, o linfedema tipicamente ocorre há algum tempo, o que pode levar a resultados clínicos ruins ”, disse a Dra. Mei Fu.

“Em nossa era digital, a integração de tecnologia em saúde levou a avanços na detecção e previsão de várias condições médicas”, disse o Dr. Yao Wang, professor de engenharia elétrica e de computação da Escola de Engenharia da Universidade de Nova Iorque e co-autor do estudo.

Um tipo de inteligência artificial, o aprendizado de máquina é de interesse para os pesquisadores devido à sua capacidade de construir algoritmos que melhoram continuamente as previsões e geram conhecimento automatizado por meio de previsões orientadas por dados ou decisões com dados recebidos – neste caso, relatos de sintomas. O aprendizado de máquina é particularmente benéfico quando existem muitos fatores relevantes que não são independentes, o que é verdadeiro para os sintomas do linfedema.

Neste estudo, os pesquisadores usaram uma ferramenta baseada na web para coletar informações de 355 mulheres que haviam sido submetidas a tratamento para câncer de mama, incluindo cirurgia. Além de compartilhar informações demográficas e clínicas, incluindo se elas tinham sido diagnosticados com linfedema, os participantes foram questionados se estavam experimentando atualmente 26 diferentes sintomas de linfedema.

Procedimentos estatísticos e de aprendizado de máquina foram realizados para análise de dados. Cinco diferentes algoritmos de classificação de aprendizado de máquina foram comparados: Árvore de Decisão de C4.5, Árvore de Decisão de C5.0, modelo de reforço de gradiente, rede neural artificial e máquina de vetores de suporte. Os algoritmos também foram comparados com uma abordagem estatística convencional que determina o limiar ótimo para a contagem de sintomas com base na curva de operação do receptor.

Os pesquisadores descobriram que todas as cinco abordagens de aprendizado de máquina superaram a abordagem estatística padrão e a rede neural artificial obteve o melhor desempenho para a detecção do linfedema. A rede neural artificial teve acurácia de 93,75%, classificando corretamente os pacientes para ter casos de linfedema verdadeiro ou não-linfedema com base nos sintomas relatados. “Essa precisão de detecção é significativamente maior do que a alcançada pelos métodos clínicos atuais e frequentemente usados”, disse a Dra. Mei Fu.

Os pesquisadores observam que a realização de tal avaliação do linfedema em tempo real encoraja os pacientes a monitorar seu estado de linfedema sem ter que visitar um profissional de saúde. Com base nos sintomas dos pacientes e no risco resultante de linfedema, o sistema de avaliação pode alertar os pacientes em risco para agendar visitas clínicas para avaliação adicional. Isso pode diminuir a carga de visitas clínicas desnecessárias aos pacientes e ao sistema de saúde.

Acesse a notícia completa na página da Universidade de Nova Iorque (em inglês).

Acesse o  artigo científico completo (em inglês).

Em suas publicações, o Portal Tech4Health da Rede T4H tem o único objetivo de divulgação científica, tecnológica ou de informações comerciais para disseminar conhecimento. Nenhuma publicação do Portal Tech4Health tem o objetivo de aconselhamento, diagnóstico, tratamento médico ou de substituição de qualquer profissional da área da saúde. Consulte sempre um profissional de saúde qualificado para a devida orientação, medicação ou tratamento, que seja compatível com suas necessidades específicas.