Inteligência artificial acelera diagnóstico da falência da medula óssea

O programa consegue predizer se a condição é hereditária ou adquirida, o que tem implicações no tratamento.
[Imagem: CTC-USP/divulgação]

Pancitopenia

Pesquisadores do Brasil (USP) e dos EUA desenvolveram um programa de inteligência artificial capaz de orientar o diagnóstico de síndromes de falência da medula óssea.

A condição médica envolvida é conhecida como pancitopenia, marcada por uma redução tanto dos glóbulos brancos e vermelhos do sangue, quanto das plaquetas, resultando em anemia, leucopenia (menor capacidade de combater infecções por deficiência de glóbulos brancos do sangue) e trombocitopenia (maior risco de hemorragias por deficiência de plaquetas).

Com base na análise de 25 variáveis clínicas e laboratoriais, o programa consegue predizer se a condição é hereditária ou adquirida, o que tem implicações principalmente no tratamento de casos graves.

Para desenvolver o programa, os pesquisadores se basearam em uma técnica chamada aprendizado de máquina, um método de análise de dados que automatiza a construção de modelos analíticos a partir de registros de casos anteriores - é um ramo da inteligência artificial baseado na ideia de que programas podem aprender com dados, identificar padrões e tomar decisões com o mínimo de intervenção humana.

A grande vantagem é que o diagnóstico pode ser muito mais rápido.

"A escolha de adiar o tratamento enquanto se aguarda o teste genético pode resultar em atraso significativo no tratamento de pacientes gravemente pancitopênicos. Por outro lado, o diagnóstico errado de insuficiência hereditária da medula óssea pode expor os pacientes a terapias ineficazes e caras, regimes de condicionamento de transplantes tóxicos e uso inapropriado de um membro da família afetado como doador de células-tronco," escrevem os autores em seu artigo.

Segundo os pesquisadores, a ferramenta pode ser útil para hematologistas e outros profissionais de saúde que atuam em centros com poucos recursos, auxiliando na tomada de decisão clínica.