A inteligência artificial (IA) poderá tornar o diagnóstico de diabetes mais rápido? Pesquisadores da IBM acreditam que sim. Recentemente eles anunciaram uma ferramenta de triagem que poderia identificar anticorpos do tipo 1 no sangue das pessoas.

Para as milhões de pessoas que vivem com diabetes tipo 1, a realidade cotidiana envolve um autocontrole significativo. Sem supervisão e tratamento adequado, seu pâncreas não produz insulina suficiente. A função dessa substância é metabolizar a glicose (açúcar no sangue) para produção de energia, que abastece as células. Ou seja, indivíduos nessa condição precisam de doses diárias de insulina para garantir que os níveis de glicose em seu sangue estejam saudáveis, o que exige que esses pacientes sejam muito vigilantes sobre sua saúde.

Cerca de 1,25 milhão de pessoas têm diabetes tipo 1 só nos EUA. E cerca de 40.000 novos diagnósticos são adicionados à lista a cada ano, segundo a American Diabetes Association. Diante disso, é intrigante que não exista nenhum processo de triagem padronizado para diagnosticar essa condição no início. Os médicos usam como guias o histórico familiar e outros fatores de risco conhecidos para que o diabetes tipo 1 apareça no radar. Contudo, até o diagnóstico, o paciente possivelmente passará por idas súbitas ao pronto-socorro — que resultarão em um laudo médico que o pegará desprevenido.

É aqui é onde a IA entra. Na 79ª Sessão Científica da American Diabetes Association, no início de junho, a IBM e a JDRF (anteriormente conhecida como Juvenile Diabetes Research Foundation), uma organização sem fins lucrativos que lidera a pesquisa sobre diabetes tipo 1, revelaram uma ferramenta preditiva usando esta tecnologia. Ela mapeou a presença de anticorpos contra o diabetes tipo 1 no sangue para descobrir exatamente quando e como a condição poderia se desenvolver. Jianying Hu, líder global em Ciência da Inteligência Artificial na IBM Research, disse ao Engadget que a IA foi alimentada com dados de mais de 22.000 pessoas dos Estados Unidos, Suécia e Finlândia.

O programa identificou semelhanças entre pessoas com anticorpos específicos para a doença e a linha do tempo da progressão do diabetes tipo 1.

“Um dos maiores potenciais deste tipo de trabalho na construção de modelos de aprendizado de máquina para diabetes tipo 1 é a capacidade de identificar melhor quem deve monitorar e com que frequência o fazer”, disse Hu, cuja equipe trabalhou neste projeto por mais de um ano com a JDRF. “Com o pouco que sabemos, esses anticorpos são difundidos na progressão do diabetes tipo 1, mas ninguém sabe quem é mais suscetível ao desenvolvê-los e quando”. Segundo a cientista, os modelos de IA podem dar aos médicos “um prazo mais personalizado” para monitorar as pessoas e com que frequência elas devem fazer exames.

No passado, o diabetes tipo 1 era chamado de diabetes juvenil, porque geralmente é diagnosticado em crianças, adolescentes e adultos jovens. No entanto, como pontuou Utpal Pajvani, endocrinologista e professor assistente do Centro Médico da Universidade de Columbia, a doença pode afetar pessoas de qualquer idade.

Pajvani, que não é afiliado a este projeto, explicou que a prática geral leva para a triagem apenas pessoas que são do grupo de “de alto risco” — quem tem um membro da família de primeiro grau que foi diagnosticado. Como esse diabetes é mais incomum, não se justifica submeter a população em geral à triagem. Ele também alertou que métodos abrangentes de rastreamento, como esse, podem levar a muitos falsos positivos.

“Se submetermos todas as pessoas, incluindo aqueles que estão com um risco relativamente baixo de desenvolvê-lo, que têm o anticorpo, mas não possuem histórico familiar ou outra doença auto-imune, teremos uma taxa muito maior de identificação de pessoas que possam ter um teste positivo para um anticorpo, mas com baixo risco de, de fato, desenvolver a doença”, disse Pajvani ao Engadget.

O risco de aplicar um teste amplo de rastreamento para uma doença rara como essa significa que você também pode tornar as pessoas desnecessariamente ansiosas sobre uma condição que elas provavelmente não terão. Essencialmente, não existe um teste de triagem perfeito que não tenha falsos positivos, acrescentou.

Apesar das críticas, Pajvani vê um futuro para esse tipo de tecnologia. As pessoas que têm um alto risco de diabetes, e têm a presença desses anticorpos, ainda não sabem qual será o cronograma da progressão da doença. Esse tipo de ferramenta de inteligência artificial poderia dar aos médicos o roteiro necessário para mapear o curso dela, explicou o endocrinologista.

Hu disse que, em breve, sua equipe adicionará mais dados, desssa vez coletados na Alemanha, para serem classificados pela IA. Ela acrescentou que outra grande parte do projeto está trabalhando em conjunto com os médicos para ver como podem aplicar a ferramenta e como os insights colhidos da IA podem ser usados em estudos clínicos.

“Eu amo que as pessoas estão pensando sobre isso, e eu amo a idéia de levar adiante a importante questão clínica de quem irá desenvolver uma condição, especialmente uma tão significativa quanto a diabetes tipo 1”, acrescentou Pajvani. 

Ele disse que, como clínico, ainda não viu a IA sair da teoria para ser usada na prática do dia-a-dia do tratamento de pacientes. Já Hu avalia que a presença do aprendizado de máquina na medicina só continuará “acelerando”, e que é um trabalho “extremamente importante”, que pode desenvolver ferramentas indispensáveis aos médicos.

Hoje, essa inteligência artificial não fornece um método de triagem definitivo, mas oferece um caminho para como as ferramentas de aprendizado de máquina poderiam ser usadas para diagnósticos de diabetes tipo 1 mais rápidos no futuro.