Saúde

O aprendizado de máquina amadurece na fibrose cística
Chegou a hora de levar os benefícios claros do aprendizado de máquina para os indivíduos que mais precisam - neste caso, as pessoas que vivem com fibrose cística
Por Cambridge - 24/10/2020


Decoração de parede pulmonar anatômica em azul e marrom - Crédito: Hey Paul Studios

Prever com precisão como a doença crônica de um indivíduo irá progredir é fundamental para fornecer medicina de precisão mais personalizada. Somente com essa percepção, o clínico e o paciente podem planejar estratégias de tratamento ideais para intervenção e mitigação. No entanto, há um enorme desafio em prever com precisão as trajetórias clínicas de pessoas para condições crônicas de saúde, como fibrose cística (FC), câncer, doenças cardiovasculares e doença de Alzheimer.

“Os problemas de previsão na área da saúde são terrivelmente complexos”, disse a professora Mihaela van der Schaar , diretora do Centro de Cambridge para IA em Medicina (CCAIM). “Mesmo as abordagens de aprendizado de máquina, que lidam com a complexidade, lutam para oferecer benefícios significativos para pacientes e médicos e para a ciência médica de forma mais ampla. As soluções de aprendizado de máquina prontas para usar, tão úteis em muitas áreas, simplesmente não funcionam na medicina preditiva. ”

Desvende essa complexidade, no entanto, e enormes ganhos em saúde o aguardam. É por isso que várias equipes lideradas pelo Professor van der Schaar e Co-Diretor do CCAIM Andres Floto , Professor de Biologia Respiratória da Universidade de Cambridge e Diretor de Pesquisa do Cambridge Center for Lung Infection no Royal Papworth Hospital, desenvolveram um conjunto de Abordagens e ferramentas de aprendizado de máquina (ML) de classe mundial que superaram muitos dos desafios.

Em apenas dois anos, os pesquisadores desenvolveram tecnologia que passou da produção de previsões baseadas em ML de insuficiência pulmonar em pacientes com FC usando um instantâneo dos dados do paciente - em si uma melhoria notável em relação ao estado da arte anterior - para previsões dinâmicas de doenças individuais trajetórias, previsões de riscos de saúde e comorbidades concorrentes, 'agrupamento temporal' com pacientes anteriores e muito mais.

Os pesquisadores estão apresentando três de suas novas tecnologias de ML nesta semana na Conferência Norte Americana de Fibrose Cística 2020 . Detalhes detalhados das tecnologias e suas implicações potenciais estão disponíveis no site do CCAIM .

As ferramentas desenvolvidas pelos pesquisadores de Cambridge representam um progresso surpreendente em um tempo muito curto e revelam o poder dos métodos de ML para enfrentar os mistérios restantes das doenças crônicas comuns e fornecem previsões altamente precisas de resultados de saúde específicos do paciente com uma precisão sem precedentes. Além do mais, essas técnicas podem ser prontamente aplicadas a outras doenças crônicas.

Aplicação de novas técnicas de ML na fibrose cística

“A fibrose cística é um excelente exemplo de uma condição crônica difícil de tratar”, disse Floto. “Muitas vezes não está claro como a doença irá progredir em um determinado indivíduo ao longo do tempo, e existem múltiplas complicações concorrentes que precisam de intervenções preventivas ou atenuantes.”

A FC é uma doença genética que afeta vários órgãos, mas principalmente os pulmões, onde causa insuficiência respiratória progressiva e morte prematura. Em 2019, a idade média das 114 pessoas com FC que morreram no Reino Unido era de 31 anos . Apenas cerca de metade das pessoas nascidas no Reino Unido com FC em 2019 têm probabilidade de viver até os 50 anos.

A fibrose cística também é um terreno fértil para explorar os métodos de ML, em parte por causa do UK Cystic Fibrosis Registry , um extenso banco de dados que cobre 99% da população com FC do Reino Unido e é gerenciado pelo UK Cystic Fibrosis Trust. O Registro contém dados estáticos e de séries temporais para cada paciente com FC, incluindo informações demográficas, genótipo CFTR, medidas relacionadas à doença, incluindo dados de infecção, comorbidades e complicações, função pulmonar, peso, uso de antibióticos intravenosos, medicamentos, transplantes e mortes.

“Quase todas as pessoas com fibrose cística no Reino Unido confiam no Registro para manter os dados de seus pacientes, que são então usados ​​para garantir o melhor atendimento para todas as pessoas com a doença”, disse a Dra. Janet Allen, Diretora de Inovação Estratégica do Cystic Fibrosis Trust. “O que é empolgante é que as abordagens desenvolvidas pelo professor van der Schaar levam isso a um nível completamente novo, desenvolvendo ferramentas para controlar a complexidade dos dados de FC. Transformar esses dados em compreensão médica é uma prioridade fundamental para o futuro dos cuidados de saúde personalizados. ”

Olhando para o futuro

O conjunto de novas ferramentas oferece um enorme benefício potencial para todos no ecossistema de FC, de pacientes a médicos e pesquisadores médicos. “Nossa tecnologia médica de ML amadureceu rapidamente e está pronta para ser implantada”, disse van der Schaar. “Chegou a hora de trazer seus benefícios claros para as pessoas que mais precisam - no caso, as pessoas que vivem com fibrose cística. Isso significa colaborar ainda mais com os médicos e aumentar nosso envolvimento com sistemas de saúde mais amplos e com guardiões de dados fora do Reino Unido. ”

As tecnologias de aprendizado de máquina provaram ser adequadas para prever as trajetórias clínicas de pessoas com problemas de saúde de longo prazo, e a inovação continuará em ritmo acelerado. A revolução centrada no paciente em cuidados de saúde de precisão permitirá e capacitar médicos e pesquisadores a extrair maior valor da disponibilidade crescente de dados de saúde.

O desafio que temos pela frente é perceber o potencial dessas ferramentas, disponibilizando-as para médicos e hospitais em todo o mundo, onde possam ajudar a melhorar e salvar a vida de pessoas que vivem com doenças crônicas. Este é um dos objetivos do Cambridge Center for AI in Medicine.

 

.
.

Leia mais a seguir