A sepse é uma doença causa pela resposta disfuncional do organismo a uma infecção, levando a uma inflamação generalizada que pode causar a morte. No ano passado, o aumento da mortalidade causado pela COVID-19 fez com que a sepse fosse responsável por uma de cada cinco fatalidades mundialmente. A doença é caracterizada por uma série de sintomas genéricos como febre, fatiga, hiperventilação e batimento cardíaco acelerado, que são facilmente confundidos com outras condições. Por isso, o diagnóstico só é confirmado após 24 ou até 48 horas, quando o quadro se torna evidente e o uso de antibióticos mais potentes começa a ser justificado. Entretanto, cada hora a mais sem tratamento representa um aumento de cerca de 7,5% no risco de morte, o que torna urgente um método de diagnóstico precoce.
Para solucionar este problema, pesquisadores da Universidade da Columbia Britânica, no Canadá, se valeram de um método moderno de detecção de atividade celular, junto com um sistema de inteligência artificial, para diagnosticar a sepse tão logo um paciente seja admitido em um hospital. Em um estudo publicado em janeiro, eles descrevem que o perfil metabólico dos pacientes foi determinado através da quantificação de RNA em seu sangue; o RNA é uma molécula intermediária entre o DNA e seu produto final, as enzimas, as quais são fundamentalmente responsáveis por toda atividade biológica. Por isso, o RNA costuma ser usado como indicador de quais funções celulares estão sendo solicitadas pelo organismo em dado momento. Como a quantidade de informação obtida é grande, algoritmos de machine learning foram aplicados para tentar identificar o quadro de sepse e, inclusive, categorizar seus subtipos.
O treinamento do modelo utilizou dados coletados de 348 pacientes originários de quatro continentes, o que incluiu o maior estudo clínico genômico de pacientes atendidos em emergência. O modelo se mostrou capaz de identificar os biomarcadores que representam o primeiro sinal de cinco tipos diferentes de sepse, utilizando as amostras coletadas dos pacientes assim que eles chegam ao pronto-socorro, com 97% de acurácia. Os resultados foram validados com dados de outros 1062 pacientes participantes de outros dois estudos.
Os pesquisadores consideram importante a alta acurácia na identificação de cinco diferentes subtipos da doença, já que algumas têm risco muito maior. Os mesmos biomarcadores foram aprovados também em um cenário de UTI, onde um dos subtipos de sepse apresenta taxa de mortalidade de 46%.
A técnica de medir a expressão dos genes já está disponível em muitos hospitais, podendo entregar resultados em duas horas após a coleta das amostras. A inteligência artificial desenvolvida neste estudo vai permitir o diagnóstico precoce da sepse e assim ajudar os médicos a escolher pelo tratamento adequado.
