Uma equipa de investigadores de instituições dos EUA – Mass General Brigham (EUA), Boston Children’s Hospital e Dana-Farber/Boston Children’s Cancer and Blood Disorders Center – desenvolveu um modelo de inteligência artificial (IA) capaz de prever a recidiva de gliomas pediátricos com base em múltiplas imagens de ressonância magnética realizadas ao longo do tempo. O estudo foi publicado na The New England Journal of Medicine AI.
Os gliomas são tumores cerebrais comuns em idade pediátrica e, embora muitos possam ser tratados com cirurgia, a possibilidade de recidiva continua a ser um fator de grande preocupação. Atualmente, os doentes são submetidos a exames regulares de imagiologia durante anos, o que pode ser emocionalmente desgastante para as crianças e suas famílias.
Com recurso a um modelo de aprendizagem temporal — uma técnica inovadora que analisa séries de imagens ao longo de vários meses —, os investigadores treinaram a IA para detetar alterações subtis que possam indicar o reaparecimento do tumor.
A equipa analisou quase 4 mil exames de ressonância magnética de 715 crianças com gliomas, recolhidos através de parcerias institucionais em vários pontos dos Estados Unidos.
“Treinar modelos com múltiplas imagens, em vez de apenas uma, é um avanço significativo,” explicou Divyanshu Tak, autor principal do estudo e membro do programa de Inteligência Artificial em Medicina do Mass General Brigham.
Ao contrário dos métodos tradicionais de IA, que analisam imagens isoladas, o modelo temporal conseguiu prever com uma precisão entre 75% e 89% a recidiva do tumor no primeiro ano após o tratamento. Com imagens únicas, a precisão era de apenas 50% — equivalente ao acaso.
O modelo mostrou-se mais eficaz quando alimentado com quatro a seis exames pós-operatórios sequenciais, sem grandes ganhos adicionais com mais imagens.
“É difícil prever quem irá sofrer uma recidiva. Esta abordagem pode ajudar-nos a identificar precocemente os doentes com maior risco, poupando exames desnecessários a quem tem menos probabilidade de recaída,” referiu Benjamin Kann, investigador principal e membro do Departamento de Oncologia de Radiação do Brigham and Women’s Hospital (EUA).
Apesar dos resultados promissores, os investigadores alertam que o modelo precisa de validação adicional antes de poder ser usado na prática clínica. O objetivo futuro passa por testar, em ensaios clínicos, se as previsões da IA podem contribuir para ajustar a frequência dos exames ou iniciar tratamentos adjuvantes mais cedo nos casos de maior risco.
Este avanço poderá também ser aplicado noutras áreas da medicina onde são necessários exames de imagem sequenciais, abrindo portas a uma vigilância mais inteligente e personalizada.
Fonte: News Medical