Diante do contexto dos EII, que inclui dificuldade de diagnóstico assertivo e subnotificações, um estudo conduzido na FCM-Unicamp desenvolveu modelos de predição de risco utilizando técnicas de machine learning (aprendizado de máquina) para auxiliar no rastreio dessas condições. O objetivo foi o desenvolvimento de um software a ser utilizado na prática clínica como um instrumento de apoio que ajude o médico na triagem de casos suspeitos, no encaminhamento – quando necessário – para um especialista e na identificação precoce dessas manifestações. Além de proporcionar tratamento adequado, melhor prognóstico e qualidade de vida, a ferramenta poderá contribuir para a redução de recursos financeiros desnecessários tanto aos pacientes quanto ao sistema de saúde pública.
A ideia do projeto surgiu de uma inquietação da rotina clínica da área de Imunologia Pediátrica em receber pacientes com acometimento de múltiplos órgãos e sistemas decorrentes de infecções recorrentes, alergias graves, inflamações ou internações prolongadas. Essas crianças, mesmo após tratamentos com diversos especialistas, seguem sem uma resposta ou um prognóstico de melhora. “Mais do que a saúde integral da criança, a ferramenta tem como objetivo oferecer suporte aos médicos não imunologistas para que possam compreender as manifestações múltiplas dos pacientes como sinais de possíveis defeitos no sistema imunológico e procurar uma doença de base que leve a essas manifestações”, observa a médica alergologista e imunologista Marina Mayumi Vendrame Takao, principal autora do estudo e especialista do Ambulatório de Alergologia e Imunologia Pediátrica do HC-Unicamp.
A investigação completa para EII pode ser desafiadora, extensa e de alto custo, incluindo testes que não são facilmente acessíveis à realidade brasileira. De acordo com a pediatra e imunologista Adriana Gut Lopes Riccetto, orientadora do estudo, a pesquisa se destaca pelo caráter inovador ao explorar o uso de tecnologias recentes e pouco estudadas para resolução de desafios pertinentes ao diagnóstico de EII. “O uso de uma ferramenta de inteligência artificial é um passo adiante para auxiliar no reconhecimento de sintomas e na detecção precoce de determinada manifestação, especialmente pela crescente descoberta de mutações genéticas responsáveis por erros no funcionamento do sistema imunológico”, enfatiza. Segundo os autores, o uso da tecnologia aplicada à saúde não tem como objetivo substituir o trabalho do médico, mas direcionar e apoiar o processo de diagnóstico, compartilhando dados atuais que ajudem a detectar erros inatos precocemente.
Desenvolvimento – A fim de indicar qual seria a melhor tecnologia para prever erros inatos, a pesquisa teve a colaboração da cientista da computação Marta Duran Fernandez e do professor e pesquisador Luiz Sergio Carvalho, da FCM-Unicamp, que selecionaram quatro algoritmos a serem testados. Três deles foram baseados em aprendizado de máquina e um em regressão logística, modelo estatístico que determina a probabilidade de um evento ocorrer. “Para alimentar esses sistemas foram utilizados dados anonimizados de 359 pacientes pediátricos atendidos pelo HC-Unicamp com suspeita de EII, incluindo informações como sexo, idade, histórico de doenças e resultados de exames laboratoriais”, detalha a alergologista e imunologista Marina Mayumi Vendrame Takao. Finalizada esta etapa, foi firmada uma parceria com uma empresa de tecnologia para o desenvolvimento das funcionalidades do novo aplicativo, que é pioneiro na previsão de EII para uso exclusivo na prática clínica.
Como resultado, foi criado o TAMIS-PED – atualmente em testes –, que é alimentado por médicos parceiros com dados de prontuários eletrônicos de pacientes com e sem diagnóstico de EII. O aplicativo identifica a probabilidade de o paciente apresentar doenças associadas a um EII e, a depender do resultado, o sistema emite uma recomendação para encaminhamento especializado. “Além da redução dos falsos negativos, ou seja, de crianças que possuem a doença e não receberam o diagnóstico, a ferramenta representará um grande benefício para as famílias e o SUS, pois reduzirá os custos com tratamentos sem eficácia e internações, muitas vezes prolongadas”, descreve a cientista da computação Marta Duran Fernandez, professora convidada do Programa de Pós-graduação em Pediatria na FCM-Unicamp e pesquisadora de doutorado responsável pelo desenvolvimento do aplicativo. Atualmente, a plataforma funciona de forma independente, pois ainda demanda maior acurácia de dados e velocidade para chegar ao mercado. •
