Simplificando o diagnóstico de epilepsia com IA

A epilepsia é uma doença que se caracteriza por episódios de convulsão. O diagnóstico é desafiador, já que existem diferentes causas e sintomas. Por exemplo, uma síndrome onde a epilepsia é comum é a chamada síndrome de Dravet, que pode ser causada pela mutação de um gene, mas alguns pacientes não apresentam essa mutação, e outros que apresentam, acabam manifestando outros quadros de sintomas. Para tentar padronizar o diagnóstico, a Liga Internacional Contra a Epilepsia (ILAE, International League Against Epilepsy) formulou e publicou um guia em 2017, onde ênfase é dada às causas da convulsão, assim como a presença de outras comorbidades. Entretanto, o trabalho ainda é difícil, pois o diagnóstico necessita de uma grande variedade de dados, como testes genéticos, histórico familiar, tipos de convulsão e idade de aparecimento dos sintomas.

Para facilitar o atendimento da comunidade médica, uma equipe de pesquisadores associados a hospitais e universidades em Taiwan publicou no início do mês seu trabalho, relatando o desenvolvimento de um sistema de inteligência artificial auxiliar no diagnóstico da epilepsia, que se baseia na classificação de 2017. Eles aplicaram uma área da ciência da computação chamada de ontologia, que se refere a um modelo de dados representando um conjunto de conceitos dentro de um domínio, e os relacionamentos entre estes conceitos. O conhecimento ontológico foi desenvolvido pelos pesquisadores para fazer a classificação de padrões de convulsão, epilepsia, síndrome epilética, e as suas origens. Buscando um sistema próximo ao raciocínio inferencial dos médicos, os pesquisadores também construíram ontologias para outras características envolvendo epilepsia, como comorbidades, imitadores, descritores, leituras características de eletroencefalograma e tratamentos. As relações entre as diversas ontologias geradas foram determinadas usando ferramentas específicas dessa área.

Uma vez desenvolvido o sistema, os cientistas demonstraram seu potencial com um caso modelo. Os dados de um paciente masculino de 18 anos foram analisados pelo algoritmo, que foi capaz de reconhecer que ele era portador da síndrome de Dravet.

O principal diferencial da inteligência artificial frente ao método tradicional é que ela precisa de muito menos informação sobre o paciente para chegar a um veredito. Com isso, será possível reavaliar o diagnóstico de pacientes conforme novos sintomas vão se manifestando, assim alcançando um diagnóstico definitivo muito mais cedo.

Como depende de informações precisas e atualizadas sobre os quadros epiléticos, que são geradas continuamente pela comunidade científica, o algoritmo precisará estar em manutenção constante. Além disso, ainda é preciso treiná-lo com mais dados para aumentar seu poder de resolução em casos fronteiriços. Mas os pesquisadores acreditam que a abordagem poderá ajudar médicos no diagnóstico e pacientes no recebimento do tratamento adequado.