Notícias de saúde

Novo modelo de inteligência artificial pode identificar sinais de diabetes em exames de raios-X de rotina

26 de dezembro de 2023 (Bibliomed). Um novo modelo de inteligência artificial (IA) descobriu que imagens de raios-X coletadas durante o cuidado médico de rotina podem fornecer sinais de alerta para diabetes, mesmo em pacientes que não se enquadram nos critérios de risco elevado. Esse modelo poderia ajudar os médicos a detectar a doença mais cedo e prevenir complicações. Os resultados do estudo foram publicados na revista Nature Communications.

Aplicando o método computacional conhecido como aprendizado profundo (deep learning) a imagens e dados de prontuários eletrônicos de saúde, os pesquisadores desenvolveram um modelo que identificou com sucesso o risco elevado de diabetes em uma análise retrospectiva, muitas vezes anos antes do diagnóstico da doença em pacientes. Isso é significativo, afirmam os pesquisadores, considerando que a prevalência de diabetes nos Estados Unidos mais que dobrou nos últimos 35 anos.

As diretrizes atuais sugerem a triagem de pacientes para diabetes tipo 2 se eles têm entre 35 e 70 anos e têm um índice de massa corporal (IMC) na faixa de sobrepeso a obesidade.

No entanto, muitos estudos descobriram que essa estratégia de triagem deixa passar um número significativo de casos, especialmente em minorias étnicas/raciais para quem o IMC é um preditor menos eficaz do risco de diabetes. Pacientes com diabetes não diagnosticada têm um risco muito maior de complicações da doença, incluindo danos irreversíveis aos órgãos e até mesmo morte.

Anualmente, milhões de pessoas fazem raios-X de tórax por causas diversas, como dores, dificuldade respiratória, lesões traumáticas ou em avaliações antes de cirurgias. Somente na Universidade Emory, são realizados em média cerca de 200.000 radiografias anualmente. Embora os radiologistas não estejam procurando diabetes ao analisar esses raios-X, as imagens fazem parte do prontuário médico do paciente e podem ser analisadas posteriormente para diabetes ou outras condições.

O modelo de IA foi treinado com mais de 270.000 imagens de raios-X de mais de 160.000 pacientes, com o aprendizado profundo determinando as características da imagem que melhor previam o diagnóstico posterior de diabetes. Como os raios-X de tórax não são uma forma comum de detectar diabetes, os pesquisadores também usaram técnicas de IA explicáveis para determinar como e por que o modelo tomou suas decisões.

Os métodos apontaram para a localização do tecido adiposo como importante para determinar o risco, uma lógica que está alinhada com as descobertas médicas recentes de que a gordura visceral na parte superior do corpo e no abdômen está associada à diabetes tipo 2, resistência à insulina, hipertensão e outras condições.

Em alguns casos, o raio-X de tórax alertou sobre o alto risco de diabetes até três anos antes que o paciente eventualmente recebesse um diagnóstico. Dada a novidade da abordagem e os resultados surpreendentes, os pesquisadores que desenvolveram o modelo pela primeira vez recorreram à equipe da Universidade Emory para realizar uma validação externa do modelo. Quando a equipe da Emory aplicou o modelo a um grupo separado de quase 10.000 pacientes, eles descobriram que o modelo previu melhor o risco do que um modelo simples baseado apenas em dados clínicos que não usavam imagens.

A equipe de pesquisa agora irá explorar como validar ainda mais o modelo e incorporá-lo aos sistemas eletrônicos de prontuários de saúde, para que possa alertar os médicos para realizar a triagem tradicional de diabetes em pacientes identificados como de alto risco com base nos resultados dos raios-X.

Fonte: Nature Communications. DOI: 10.1038/s41467-023-39631-x.