Notícia

Inteligência Artificial Explicável poderia realizar análise personalizada do microbioma intestinal para classificação do câncer colorretal

Centers for Disease Control and Prevention (CDC/EUA)

Fonte

TITECH | Instituto de Tecnologia de Tóquio

Data

sexta-feira, 21 abril 2023 19:00

Áreas

Bacteriologia. Bioinformática. Biologia. Biotecnologia. Gastroenterologia. Inteligência Artificial. Medicina. Oncologia. Saúde Pública.

O microbioma intestinal compreende uma população complexa de diferentes espécies bacterianas que são essenciais para a saúde humana. Nos últimos anos, cientistas de várias áreas descobriram que alterações no microbioma intestinal podem estar ligadas a uma ampla variedade de doenças, principalmente o câncer colorretal. Vários estudos revelaram que uma maior abundância de certas bactérias, como Fusobacterium nucleatum e Parvimonas micra, está tipicamente associada à progressão do câncer colorretal.

Com base nessas descobertas, os pesquisadores desenvolveram vários modelos de inteligência artificial (IA) para ajudá-los a analisar quais espécies bacterianas são úteis como biomarcadores de câncer colorretal. No entanto, a maioria desses modelos depende do que é conhecido como ‘explicações globais’, o que significa que eles podem considerar apenas a totalidade dos dados de entrada para fazer previsões. Como resultado, tais modelos são incapazes de identificar espécies bacterianas que poderiam ser biomarcadores relevantes de câncer colorretal para grupos de pacientes menores e menos representativos.

Diante desse cenário, uma equipe de pesquisa do Instituto de Tecnologia de Tóquio (TITECH), no Japão, decidiu adotar uma abordagem diferente capaz de solucionar essa limitação. Conforme descrito em artigo recentemente publicado na revista científica Genome Biology, a equipe empregou uma estrutura de ‘IA Explicável’ que fornece explicações locais, em vez de globais, para suas previsões de câncer colorretal. “Técnicas de explicação local tornam possível descobrir as bactérias que mais contribuem para cada paciente individual com câncer colorretal, permitindo-nos examinar as diferenças interindividuais entre indivíduos dentro de um grupo de doenças”, explicou o professor Dr. Takuji Yamada, principal autor do estudo.

A equipe usou uma estrutura chamada ‘explicações aditivas de Shapley’ (SHAP), que se originou de um conceito na teoria dos jogos chamado valor de Shapley. Simplificando, o valor de Shapley diz como um pagamento deve ser distribuído entre os jogadores de uma coalizão ou grupo. Da mesma forma, em seu estudo, a equipe usou o SHAP para calcular a contribuição de cada espécie bacteriana para cada previsão individual de câncer colorretal.

Usando essa abordagem junto com dados de cinco conjuntos de dados de câncer colorretal, os pesquisadores descobriram que projetar os valores SHAP em um espaço bidimensional (2D) permitiu que eles vissem uma separação clara entre indivíduos saudáveis e indivíduos com câncer colorretal. O agrupamento dessas informações 2D resultou em quatro subgrupos distintos de indivíduos com câncer colorretal, cada um diferindo na probabilidade de câncer colorretal e nas bactérias associadas. Além disso, a equipe descobriu que os indivíduos nos subgrupos de câncer colorretal com maior probabilidade de câncer colorretal sempre tiveram uma população enriquecida de bactérias tipicamente associadas ao câncer colorretal. Mais notavelmente, os resultados foram consistentes nos cinco conjuntos de dados, mostrando a ampla aplicabilidade do método.

Com esses resultados promissores, a equipe pretende aplicar sua abordagem para fazer contribuições sólidas na comunidade de pesquisa do microbioma intestinal. “Considerando o uso crescente de aprendizado de máquina em estudos de associação de doenças e microbiomas, nosso novo método pode ser benéfico para uma exploração de dados de microbioma mais personalizada, bem como ajudar a descobrir subgrupos de doenças em potencial, juntamente com seus possíveis biomarcadores associados”, especula o Dr. Yamada. Além disso, a técnica também é aplicável a outras doenças com ligações conhecidas ao microbioma intestinal, como colite ulcerosa, doença de Chron e diabetes.

Acesse o artigo científico completo (em inglês).

Acesse a notícia completa na página do Instituto de Tecnologia de Tóquio (em inglês).

Fonte: TITECH. Imagem: Janice Haney Carr/CDC via Wikimedia Commons. Imagem: fotomicrografia revela a presença da bactéria Fusobacterium nucleatum, após ter sido cultivada em meio tioglicolato e incubada por um período de 48 horas. Fonte: Centers for Disease Control and Prevention (CDC/EUA).

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.