Prevendo os riscos da cirurgia cerebral

Os cirurgiões podem quantificar o risco de afasia ao remover um tumor cerebral? Para descobrir, pesquisadores da Klinikum rechts der Isar, da Universidade Técnica de Munique (TUM), estão analisando o cérebro como uma rede. Em um estudo atual com 60 pacientes, eles já atingiram uma taxa de acerto de 73%.

Os tumores cerebrais são relativamente raros. Segundo a Sociedade Alemã de Neurologia, a incidência anual é de aproximadamente 5 casos por 100.000 habitantes. “Mas, na maioria dos casos, a remoção cirúrgica do tumor é inevitável”, diz o Prof. Sandro Krieg, que estima que um glioma – um tipo comum de tumor cerebral – é removido no Klinikum rechts der Isar da Universidade Técnica de Munique (TUM) “quase diariamente.”

Dependendo do tumor, Krieg e seus colegas desenvolvem tratamentos individuais e estratégias cirúrgicas. Um ponto crucial: o tecido saudável deve ser preservado ao máximo e nenhuma estrutura deve ser danificada que possa levar a maiores limitações. “Afasia” é o termo para distúrbios de fala pós-cirúrgicos, por exemplo. “Queremos ter conhecimento preciso do risco de afasia antes da operação.”

O médico-chefe da Clínica de Neurocirurgia do Klinikum rechts der Isar estuda o mapeamento cerebral pré-operatório há mais de 10 anos. “Há muito tempo conhecemos as localizações básicas no cérebro responsáveis ​​por funções como movimento ou fala. Mas foi apenas nos últimos cinco anos, aproximadamente, que começamos a analisar as rede cerebral para aprender como as várias regiões trabalham juntas, por exemplo, para permitir que uma pessoa fale. Uma coisa é certa: não existe um centro de idiomas propriamente dito. Em vez disso, a estrutura é mais como vários hubs ou nós de uma grande rede através da qual a fala é possível.”

Tumores cerebrais: fazendo previsões por meio do aprendizado de máquina

Analisar as características da rede do cérebro – conhecido como análise do conectoma – um processo usado pela equipe do Prof. Krieg por cerca de dois anos – desempenha um papel fundamental na pesquisa atual. “Dessa forma, quantificamos as conexões em regiões individuais do cérebro”, diz o Prof. Krieg. “Desde então, começamos a atribuir funções mais precisas às regiões do cérebro”.

Os cientistas da TUM, Dr. Haosu Zhang e Dr. Sebastian Ille, mapearam imagens anatômicas das camadas cerebrais responsáveis ​​pelas capacidades de fala. O processo é o seguinte: “Com uma forma especial de tomografia por ressonância magnética conhecida como tractografia, produzimos representações em 3D das redes e sub-redes de caminhos neurais no cérebro”, explica Zhang.

este análise de rede é suportado pelo processo de navegação Estimulação magnética transcraniana, em que um pulso magnético direcionado inibe as células nervosas nas vias de fibra responsáveis ​​pela fala. Isso causa um comprometimento temporário da fala no paciente que pode ser reconhecido na análise de vídeo. Ele permite que os pesquisadores identifiquem com precisão as regiões cerebrais responsáveis ​​pela fala. “Combinamos os chamados parâmetros do conectoma da tractografia com informações sobre a função de fala do paciente”, explica Zhang.

O que torna o algoritmo de Zhang e Ille especial é que ele fornece “parâmetros estatisticamente significativos” – dados que podem ser usados ​​para treinar um modelo de aprendizado de máquina e, assim, localizar a fala de pacientes individuais. Por mais complexo que possa parecer o uso dos diferentes métodos de análise, a característica definidora do método é sua simplicidade: todo o processo analítico funciona sem algoritmos complexos ou computadores poderosos. “Os dados que usamos são obtidos de exames hospitalares de rotina”, diz Zhang.

Análise de rede: 73% de precisão na previsão de problemas de fala

No estudo recente com 60 pacientes, os pesquisadores do Klinikum rechts der Isar mostraram que essa análise combinada pode prever com precisão considerável (73%) se a cirurgia causará Fala dificuldades (afasia pós-operatória). “É muito importante poder fazer essas previsões”, diz Krieg. Ele está entusiasmado com a possibilidade de quantificar o risco com mais precisão por meio de “análise de rede real” e ter dados concretos para apoiar o mapeamento do cérebro.

Além disso, com a ajuda do aprendizado de máquina, as previsões ficarão ainda melhores com o tempo. Mas, para isso, os pesquisadores precisarão de mais dados do paciente para treinar o aprendizado de máquina algoritmos. “É a única abordagem que pode usar big data para prever o risco de uma intervenção cirúrgica”, diz o Prof. Krieg, que agora planeja encontrar mais pacientes para participar de sua pesquisa. Ele acredita que mesmo “algumas centenas” de pacientes serão suficientes para previsões altamente precisas.

O estudo é publicado em Mapeamento do Cérebro Humano.