Pesquisadores planejam usar IA para entender e tratar melhor os tumores cerebrais

Médicos estão colaborando com cientistas da computação para melhorar o atendimento a pacientes com malformações cavernosas, alguns dos tumores mais difíceis de tratar na cabeça e na coluna.

As malformações cavernosas são tumores vasculares no cérebro ou na medula espinhal. Embora “benignas” em vez de cancerosas, essas lesões nos vasos sanguíneos ainda podem causar sérios problemas de saúde, como epilepsia, acidente vascular cerebral e cegueira, além de problemas com movimento, dormência e formigamento em todo o corpo.

Isso ocorre principalmente porque as malformações cavernosas tendem a estourar ou sangrar, o que pode afetar os tecidos próximos de maneira espontânea e aparentemente inexplicável até que os tumores sejam diagnosticados, geralmente por imagem de ressonância magnética, ou ressonância magnética. A maioria das malformações cavernosas não são encontradas até que comecem a causar problemas, mas uma vez conhecidas, médicos e pacientes se deparam com a difícil decisão de operar, medicar ou deixá-los em paz.

“A medicina em geral é consideravelmente complexa e a neurocirurgia é extremamente complexa, com malformações cavernosas entre as mais difíceis de gerenciar”, disse o Dr. Caleb Stewart, neurocirurgião da LSU Health Shreveport. “É também um dos problemas mais pouco estudados em neurocirurgia porque cada malformação se apresenta como um problema de maçãs e laranjas – cada um parece único, por isso é difícil comparar, planejar procedimentos e tomar decisões sobre o melhor curso de ação”.

LSU Health Shreveport, LSU Shreveport, Ochsner Health e colaboradores na Austrália estão agora aproveitando a ciência de big data e inteligência artificial, ou IA, para resolver esse desafio e fornecer melhores cuidados aos pacientes. Os pesquisadores usarão mais de uma década de dados clínicos da LSU Health Shreveport—registros eletrônicos de saúderesultados de laboratório, códigos de diagnóstico, imagem médica e slides de patologia são apenas algumas das muitas fontes de informação que contribuem para o rico conjunto de dados de cerca de 3.000 variáveis.

Isso é muito mais do que a maioria dos neurocirurgiões é capaz de considerar no dia-a-dia em seu trabalho com os pacientes.

“Estas lesões estão localizadas no cérebro e na medula espinhal com aquelas próximas à base do crânio ou profundamente no cérebro sendo áreas inerentemente de alto risco”, disse o Dr. Stewart. “Francamente, ainda não temos as ferramentas analíticas certas para poder prever se eles vão causar problemas ou não. Se eles não sangrarem e nós intervirmos, podemos fazer um grande desserviço aos nossos pacientes. temos que continuar agora é experiência, intuição e consenso – nosso julgamento não é realmente cimentado na probabilidade específica do paciente.”

A IA, por sua vez, é excepcionalmente boa em reconhecer padrões em grandes conjuntos de dados, inclusive entre variáveis ​​que ninguém esperava estar conectado. Isso pode ajudar os médicos a fazer melhores previsões dos resultados dos pacientes, seja a melhor escolha cirurgia, radiação, medicação ou não fazer nada.

Subhajit Chakrabarty, professor assistente de ciência da computação na LSU Shreveport, traz sua experiência em IA e aprendizado de máquina para o projeto.

“O que eu amo neste projeto é o desafio dos dados”, disse Chakrabarty. “Além de muitas variáveis ​​observadas e registradas, é provável que haja várias variáveis ​​ocultas, vários grupos de dados ocultos e causalidades complexas. Não apenas gostaríamos de obter novos insights baseados em dados para malformações cavernosas, mas também estabelecer um alta referência de modelagem preditiva precisa.”

O objetivo dos pesquisadores é usar o estudo das malformações cavernosas como trampolim para outros projetos.

“Uma grande parte do nosso desafio é a formação de equipe, coleta e gerenciamento dos dados em si”, disse o Dr. Stewart. “Temos um supercomputador agora, então, do ponto de vista computacional, podemos ser mais produtivos e eficientes com o processamento de dados. No entanto, também precisamos construir uma nova infraestrutura entre as pessoas – pesquisadores e médicos em diferentes disciplinas e locais – para alcançar o maior visão do que estamos tentando fazer aqui, que é ajudar os pacientes.”

Dr. Steven Conrad é o chefe da divisão de informática clínica da LSU Health Shreveport e colaborador do projeto.

“Equipes multidisciplinares que combinam experiência em medicina clínica e ciência de dados são essenciais para alavancar os recursos de aprendizado de máquina de nova geração e inteligência artificial técnicas,” Dr. Conrad disse. “Dr. Stewart e seus colegas montaram uma equipe que pode resolver problemas difíceis do mundo real em biomedicina.”

Neurocirurgiões e neurologistas na Louisiana e em todo o mundo se beneficiariam de melhores ferramentas preditivas no diagnóstico e tratamento de malformações cavernosas, de acordo com o Dr. Korak Sarkar da Ochsner Health em Nova Orleans. Ele fundou e atualmente atua como diretor médico do m3D Lab da Ochsner. Seu trabalho em visualização avançada utiliza ferramentas como manufatura aditiva e realidade mista para criar modelos anatômicos específicos do paciente para educação do paciente, treinamento médico e suporte clínico.

“A implantação e validação de novas ferramentas na área da saúde, como aprendizado de máquina, impressão 3D e realidade virtual, exigem colaborações como as entre LSU e Ochsner”, disse Sarkar. “Essas iniciativas beneficiarão muito a Louisiana, onde nossa população infelizmente carrega uma grande carga de doenças, principalmente em doenças cerebrovasculares”.