A hemorragia intracraniana é uma condição muito comum que precisa ser diagnosticada e tratada prontamente. No entanto, ainda há falta de consenso entre a comunidade médica quanto ao seu tratamento devido, em certa medida, à incerteza na evolução do paciente após a hemorragia. Por este motivo, investigadores do Instituto de Física da Cantábria (IFCA, CSIC-UC) estão a participar num projeto que, com base no estudo de 262 doentes, desenvolveu um modelo de aprendizado profundo (“aprendizagem profunda”) para prever o prognóstico bom ou ruim de uma hemorragia intracraniana.
“Quando um paciente tem uma hemorragia intracraniana, é difícil saber se vai evoluir bem ou mal, portanto, é difícil tomar decisões quanto a dar-lhe um tratamento mais interventivo ou mais agressivo”, afirma o radiologista do Hospital Universitário de Navarra Amaia Perez del Barriocuja tese de doutorado resultou neste estudo.
Publicado em “Revista de Neuroimagem” e co-dirigido pelo médico da Universidade de Oviedo José Antonio Vega e pelo pesquisador do IFCA Lara Lloreto estudo busca dar maior segurança no tratamento por meio da inteligência artificialdeep learning e uma infraestrutura adequada: “Você não pode fazer esse trabalho de imagens médicas com seu computador pessoal, você tem que usar as unidades de processamento gráfico, ou CPUs, para criar esses redes neurais profundas”, explica Lloret.
O que há de novo em relação aos modelos de previsão existentes é o desenvolvimento de um sistema de aprendizado profundo que permite prever o prognóstico da doença, ou seja, se o paciente vai evoluir bem ou não. “Incluímos no estudo 262 pacientes da Cantábria que chegaram ao pronto-socorro de Valdecilla com suspeita de hemorragia intracraniana e, com as imagens das diferentes tomografias cerebrais e seus dados clínicos, treinamos um modelo personalizado ser capaz de classificar os pacientes em mau prognóstico e bom prognóstico, usando uma modelo híbrido”, destaca Pérez del Barrio.
Este modelo é híbrido porque inclui dois grupos de dados: imagens de tomografia axial computadorizada (TC) e dados de cada paciente, como sexo, idade ou histórico médico, entre outros. Todos esses parâmetros melhoram o desempenho do modelo, pois, como aponta Pérez, “quanto mais dados, melhores previsões”. Para o radiologista, esta ferramenta “poderá ter um grande impacto na tomada de decisões clínicas e ser muito útil para aplicar deep learning a outras imagens médicas, como raios-X ou ecografias”.
Medicina cada vez mais personalizada
O projeto, desenvolvido graças à colaboração de radiologistas e radiofísicos do Hospital Universitário Marqués de Valdecilla e à participação de pesquisadores como David Rodriguez (IFCA), representa um avanço no campo da medicina personalizada. “Devemos tentar tornar tudo mais personalizado: uma pessoa com gene específico talvez um remédio não te faça bem e você deva tomar outro, e outra pessoa aparentemente igual, porém, tem um variante genética distinta e talvez a recomendação fosse outra”, afirma Lloret. Pérez del Barrio acrescenta que são sistemas muito importantes para decidir o tratamento, mas que “vêm para ajudar, não pretendem substituir ninguém”.
O próximo passo dessa iniciativa contempla a incorporação de sistemas de software aos hospitais e a avaliação quando transmitir a informação ao paciente ou a família. “Neste momento não está implementado nem comercializado, mas é o futuro que queremos alcançar, um futuro que considero promissor, de uma medicina cada vez mais personalizada”, conclui Lloret.
