IA pode detectar risco de 130 doenças enquanto você dorme

Inteligência artificial pode rastrear risco de doenças desde Parkinson e demência até ataques cardíacos e câncer de mama, mas não consegue revelar as causas, apenas as correlações.A partir dos sinais obtidos de uma única noite em um laboratório do sono, um novo modelo de inteligência artificial (IA) pode estimar o risco futuro de cerca de 130 doenças – incluindo Parkinson, demência, ataques cardíacos, câncer de próstata e de mama. Ele é capaz de fazer isso "anos antes do aparecimento dos primeiros sintomas", de acordo com o cientista de dados de Stanford James Zou, um dos autores do estudo publicado na revista científica Nature Medicine. O novo modelo de IA se chama SleepFM e foi treinado com centenas de milhares de horas de dados do sono. Ele foi desenvolvido por uma equipe liderada por Rahul Thapa, cientista de dados biomédicos da Universidade de Stanford. Como a IA aprende a "ler" o sono O termo polissonografia abrange o exame e a medição do sono em um laboratório. Durante esse processo, ondas cerebrais, atividade cardíaca, respiração, tensão muscular e movimentos dos olhos e das pernas são registrados simultaneamente. Para o SleepFM, a equipe utilizou aproximadamente 585.000 horas de registros desse tipo, provenientes de cerca de 65.000 pessoas de diversos grupos, principalmente do Centro de Medicina do Sono de Stanford. Durante o pré-treinamento, a IA aprendeu como os sinais do cérebro, do coração e da respiração são coordenados durante o sono normal – uma espécie de linguagem do sono que o modelo captura estatisticamente. Após esse treinamento inicial, o SleepFM foi aprimorado para tarefas como detecção de estágios do sono e diagnóstico de apneia do sono, alcançando resultados competitivos com métodos já estabelecidos, como o U-Sleep ou o Yasa. Esses dois programas utilizam dados de eletroencefalogramas (EEG), que medem a atividade cerebral, para auxiliar os pesquisadores na identificação e análise dos estágios do sono. Em seguida, os pesquisadores vincularam os dados do sono a registros eletrônicos de saúde que remontam a até 25 anos e examinaram quais diagnósticos posteriores poderiam ser previstos a partir de uma única noite. O modelo identificou 130 doenças, entre mais de mil categorias, cujos riscos puderam ser previstos com precisão de moderada a alta. Thapa também enfatizou que essa abordagem demonstra que "as medições rotineiras do sono abrem uma janela, antes subestimada, para a saúde humana a longo prazo". De acordo com o estudo, as previsões foram particularmente bem-sucedidas para demência, doença de Parkinson, infarto, insuficiência cardíaca, certos tipos de câncer e mortalidade geral. "Em princípio, um modelo de IA pode ser treinado para um número muito grande de previsões possíveis, desde que a base de dados esteja disponível", afirmou Sebastian Buschjäger, especialista em sono do Instituto Lamarr da Universidade Técnica de Dortmund, que não participou do estudo. O que a IA procura no corpo durante o sono A análise mostra que os sinais cardíacos contribuem significativamente para a previsão de doenças cardiovasculares, enquanto os sinais cerebrais são mais importantes para distúrbios neurológicos e psicológicos. No entanto, o resultado mais informativo é a combinação de diferentes sinais – por exemplo, quando o EEG indica um estado de sono estável, mas o coração parece mais "desperto". Essas discrepâncias entre o cérebro e o coração podem indicar estresses ocultos ou processos patológicos precoces, muito antes do surgimento dos sintomas. "Se nossos colegas da medicina do sono suspeitarem de uma conexão, nós, especialistas em IA, podemos incorporar isso a um sistema preditivo e, inversamente, fornecer indicações de onde essas conexões podem existir", explicou Buschjäger. "No entanto, as correlações que fornecemos são, em sua maioria, estatísticas. A relação causal precisa ser validada por especialistas", declarou o pesquisador à DW. O modelo é baseado principalmente em dados de laboratórios do sono, ou seja, de pessoas que geralmente são encaminhadas por problemas de sono e vivem em regiões mais ricas, com acesso a atendimento médico de qualidade. Os pesquisadores estão integrando diversos grupos dos EUA e da Europa, os chamados coortes (grupo de indivíduos que compartilham uma característica comum). Eles também estão testando o modelo em um estudo independente. No entanto, as pessoas sem distúrbios do sono ou das regiões globais mais carentes continuam sub-representadas. Oportunidades e limitações para diagnóstico e terapia Os pesquisadores reforçam de maneira específica que o SleepFM não revela as causas das doenças, mas correlações. O modelo reconhece padrões estatísticos no sono que podem estar relacionados a diagnósticos posteriores. "A maioria dos métodos de IA não é capaz de aprender relações causais", explicou o cientista da computação Matthias Jakobs, da Universidade Técnica de Dortmund, que pesquisa métodos de IA e aprendizado de máquina (ML, na sigla em inglês) para análise de dados do sono e não participou do estudo. "Os métodos de ML são técnicas computacionais que permitem que os computadores aprendam com dados de amostra, reconheçam padrões e façam previsões sem serem explicitamente programados para cada regra", observou. Apesar disso, Jakobs vê "potencial para diagnósticos e terapias, mesmo que apenas correlações estatísticas sejam exploradas". IA auxilia os humanos, mas não os substitui Modelos como o SleepFM comprimem a vasta quantidade de dados de polissonografia em chamados embeddings, representações numéricas compactas que permitem uma análise mais rápida e, muitas vezes, mais precisa. "Estágios do sono ou apneias podem ser anotados de forma eficiente – uma tarefa muito demorada e propensa a erros quando feita manualmente. Isso libera mais tempo para os médicos se dedicarem aos seus pacientes", afirmou Jakobs. A IA auxilia os humanos, mas não os substitui. Para o especialista em sono Buschjäger, a colaboração interdisciplinar é crucial. "A IA pode ser bem treinada para o planejamento terapêutico, mas são os humanos – os médicos – que interpretam os resultados e escolhem a terapia, muitas vezes sem conhecer todas as causas subjacentes." Assim, a IA permanece uma ferramenta e um sistema de alerta precoce. A responsabilidade pelo diagnóstico e tratamento ainda recai sobre a equipe médica. Ainda não está claro se e em que medida os padrões identificados apontam para mecanismos biológicos subjacentes, mas os pesquisadores veem um grande potencial justamente nessa área. Se certos perfis de indicadores durante o sono se associarem repetidamente a doenças específicas, eles poderão fornecer pistas sobre quais processos nos sistemas nervoso, cardiovascular ou imunológico são afetados precocemente. Isso também poderia permitir inferências sobre a saúde de pessoas além dos atuais grupos estudados em laboratórios de sono. Autor: Alexander Freund

Tags