Notícia

Pesquisadores criam ferramenta com Inteligência Artificial que detecta o transtorno bipolar em estágios iniciais

Pixabay

Fonte

Universidade de Alberta

Data

quarta-feira, 31 março 2021 07:05

Áreas

Inteligência Artificial. Neurociências. Psiquiatria.

Muitas pessoas com transtorno bipolar em estágio inicial ou no primeiro episódio têm déficits cognitivos, como problemas com processamento visual e memória espacial, mas esses déficits costumam ser tão sutis que o transtorno pode permanecer sem diagnóstico por anos. Isso pode mudar graças aos pesquisadores da Universidade de Alberta, no Canadá,  que criaram um modelo de aprendizado de máquina que ajuda a identificar esses déficits sutis com o objetivo de intervir mais cedo.

O estudo foi liderado por Jeffrey Sawalha, doutorando que colabora com o Grupo de Pesquisa em Psiquiatria Computacional da Universidade de Alberta.

O diagnóstico precoce é crucial para pacientes com transtorno bipolar, pois permite que iniciem o tratamento mais cedo, antes que os sintomas piorem. As evidências sugerem que os pacientes respondem mais fortemente nos estágios iniciais ao tratamento com lítio.

“Se você pode usar o teste cognitivo e o aprendizado de máquina para detectar a forma sutil, para evitar a progressão ou o surgimento de um episódio bipolar, essa é a chave. Obviamente, não podemos evitar todos os casos, mas pode ser um grande benefício para alguns indivíduos ”, disse o Dr. Bo Cao, professor do Departamento de Psiquiatria e membro do grupo de psiquiatria computacional, que também inclui o Dr. Russ Greiner e o Dr. Andrew Greenshaw. Todos os três também são membros do Instituto de Neurociência e Saúde Mental.

O grupo treinou seu modelo de aprendizado de máquina comparando pacientes com transtorno bipolar crônico a indivíduos saudáveis ​​de controle e, em seguida, demonstrou que esse modelo treinado poderia distinguir pacientes com transtorno bipolar no primeiro episódio de controles saudáveis ​​com 76% de precisão. A ferramenta resultante pode examinar marcadores precoces de déficits cognitivos, que podem então ser usados ​​para a detecção precoce do transtorno bipolar.

Uma maneira mais fácil e acessível de coletar dados

Os pesquisadores da Universidade de Alberta trabalharam com colaboradores na China, que coletaram os dados usados ​​no modelo de aprendizado de máquina. Os dados foram obtidos por meio de testes que visam a função cognitiva. Neste estudo, os pacientes foram supervisionados à medida que completavam os testes, mas a maioria dos testes poderia ser feita virtualmente usando um tablet.

Isso contrasta fortemente com a prática atual de obtenção de informações por meio de equipamentos, como ressonâncias magnéticas, que fornecem imagens da estrutura do cérebro. De acordo com os pesquisadores, um teste cognitivo simples analisado por meio do aprendizado de máquina pode render dados igualmente valiosos.

“Se pudermos obter as mesmas informações por centavos versus centenas de dólares, imediatamente versus três semanas a partir de agora, em um ambiente sem estresse versus um ambiente hospitalar estressante, é uma vitória para todos”, disse o Dr. Greiner.

A nova ferramenta também é benéfica no monitoramento da progressão do paciente ao longo do tempo. “Quando se trata de acompanhamentos, essa informação também é mais fácil de coletar. É uma maneira fácil de monitorar os sintomas”, disse Jeffrey Sawalha.

Alimentando modelos de aprendizado de máquina

O Dr. Greenshaw enfatizou a importância da coleta de dados consistente e padronizada para ajudar a cultivar esses tipos de modelos de aprendizado de máquina. “Esses modelos são maravilhosos, mas você precisa dos dados para construir os modelos, e uma das coisas que prevemos que acontecerá com a aplicação do aprendizado de máquina é que levará o sistema de saúde a coletar melhores medidas baseadas em evidências”, disse o professor Greenshaw.

“Por exemplo, em outro trabalho que fizemos com medicamentos antidepressivos, um psiquiatra tentando decidir qual medicamento usar tem cerca de 50% de chance de acertar. Aplicando o aprendizado de máquina, você pode obter essa probabilidade muito mais alta, mas precisa obter essa adesão dos médicos”, concluiu o Dr. Andrew Greenshaw.

O estudo foi publicado na revista científica Journal of Affective Disorders.

Acesse o resumo do artigo científico (em inglês).

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

Fonte: Adrianna MacPherson, Portal Folio, Universidade de Alberta. Imagem: Pixabay.

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.