Os cirurgiões cerebrais debatem-se frequentemente com decisões críticas durante o processo de remoção do tumor.
Agora, cientistas holandeses introduziram uma ferramenta de IA para ajudar o processo de tomada de decisões intra-cirúrgicas, fornecendo aos cirurgiões informações ultra-rápidas sobre os tipos e subtipos de tumores.
De acordo com um recente estudo publicado na NatureA IA examina segmentos específicos do ADN de um tumor, identificando estruturas químicas distintas.
Esta análise fornece informações sobre o tipo de tumor e, possivelmente, o seu subtipo. Esta informação atempada pode orientar os cirurgiões na sua abordagem à operação cirúrgica.
"É imperativo que o subtipo de tumor seja conhecido na altura da cirurgia", declarou Jeroen de Ridder, professor associado da UMC Utrecht. "O que conseguimos agora, de forma única, é permitir que este diagnóstico muito fino, robusto e detalhado seja efectuado já durante a cirurgia."
O seu sistema de aprendizagem profunda, denominado Sturgeon, foi sujeito a testes rigorosos. Em certos testes iniciais, a IA absteve-se de efetuar o diagnóstico devido a dados ambíguos.
No geral, os investigadores demonstraram a eficácia do modelo em tempo real em 25 cirurgias, conseguindo um tempo de resposta rápido para o diagnóstico inferior a 90 minutos, muito mais rápido do que os métodos tradicionais. 72% dos diagnósticos estavam correctos, mas sete não atingiram o limiar de confiança exigido.
Embora o processo de diagnóstico padrão envolva um exame microscópico de amostras de tumores cerebrais, a sequenciação genética exaustiva oferece conhecimentos mais profundos. No entanto, como salientou o Dr. Alan Cohen, da Johns Hopkins, "temos de começar o tratamento sem saber o que estamos a tratar".
O Dr. de Ridder explicou ainda as capacidades da IA: "Consegue descobrir por si própria o que está a ver e fazer uma classificação robusta".
Ainda assim, persistem alguns desafios. A variabilidade dentro do tumor, o tamanho da amostra e certos tumores difíceis de identificar podem colocar dificuldades. A este respeito, Marc Pagès-Gallego, coautor de um estudo, forneceu algum contexto sobre a forma como estas questões foram abordadas.
O Dr. Sebastian Brandner, da University College London, comentou os aspectos práticos, afirmando que "a aplicação em si é menos simples do que muitas vezes se sugere".
Embora a ferramenta represente um avanço significativo, tem as suas limitações.
AO Dr. Cohen admitiu que "obtivemos alguns ganhos, mas não tantos no tratamento como na compreensão do perfil molecular dos tumores".
Mais informações sobre o estudo
A ferramenta inovadora "Sturgeon" utiliza a aprendizagem profunda para melhorar a classificação intra-operatória dos tumores cerebrais, contribuindo para uma melhor tomada de decisões cirúrgicas.
O modelo foi concebido para ser "ultrarrápido" na classificação dos tipos e subtipos de tumores.
- Desafios: A classificação dos tumores durante a cirurgia é difícil devido ao tempo limitado de sequenciação e à cobertura incerta dos dados.
- A solução de Sturgeon: Este sistema de aprendizagem profunda utiliza dados derivados de dados de matriz de metilação amplamente disponíveis, que são utilizados para traçar o perfil de tumores cerebrais. O Sturgeon externaliza tarefas computacionais intensivas para minimizar os recursos computacionais durante a cirurgia.
- Desempenho: O modelo apresentou resultados consistentes, mas muitas vezes não tem em conta a diversidade intratumoral. Forneceu o diagnóstico correto em 72% dos testes cirúrgicos.
- Desenvolvimento futuro: À medida que forem sendo adquiridos mais dados, os dados de Sturgeon serão melhorados, embora as restrições à partilha de dados devido a preocupações com a privacidade tornem difícil a aprendizagem interinstitucional.
- Limitações: Uma limitação potencial é a quantidade de tecido necessária. O modelo requer um tamanho de amostra de cerca de 5 x 5 x 5 mm para obter os melhores resultados, mas foi extraído com sucesso ADN suficiente de amostras mais pequenas.
Crucialmente, com o Sturgeon, os resultados do diagnóstico de tumores podem ser obtidos em 90 minutos, alinhando-se com os prazos cirúrgicos. Isto dá aos cirurgiões conhecimentos em tempo real, permitindo-lhes tomar melhores decisões durante a cirurgia.
Embora os dados de Sturgeon sejam benéficos, o ideal seria que fossem utilizados juntamente com a avaliação de um patologista treinado, de acordo com o estudo.
Sturgeon junta-se a uma legião de modelos de IA de ponta orientados para a medicina criados este ano, ilustrando a capacidade da tecnologia para transformar os resultados dos cuidados de saúde.
