O vírus da hepatite C pode causar danos graves ao fígado das pessoas contaminadas. Ainda que cerca de 95% dos tratamentos inicialmente propostos sejam eficientes, uma pequena proporção dos pacientes não responde bem a esta primeira tentativa, e isto não só pode provocar o agravamento da doença, como implica em alto custo, já que as drogas têm valor elevado.
Atualmente, alguns métodos estatísticos já são propostos para tentar determinar qual a terapia mais eficiente para cada paciente, mas eles ainda carecem de especificidade. Isto motivou pesquisadores da Universidade da Flórida, nos Estados Unidos, a desenvolver uma inteligência artificial capaz de fazer predições mais acuradas.
No trabalho apresentado em janeiro, os cientistas coletaram dados de aproximadamente 5000 pacientes com hepatite C, compreendendo informações demográficas, clínicas e de carga viral. Quatro arquiteturas diferentes de modelos de machine learning foram testadas. A validação foi feita com dados de pouco mais de outros 1500 pacientes. As quatro metodologias superaram o método clássico, sendo o modelo de melhor desempenho aquele na forma de uma GBM (gradient boosting machine), que atingiu 66% de sensibilidade e 65% de especificidade.
Além de identificar os pacientes que não responderiam bem a um determinado tratamento, o modelo permitiu elencar os principais fatores que influenciam o sucesso da terapia, dentre eles os níveis de albumina, enzimas hepáticas, o sexo do paciente, a quantidade de plaquetas e a prática de tabagismo. Com um cenário tão detalhado, é possível segmentar os pacientes e apresentar soluções de tratamento personalizadas.
Os pesquisadores reiteram que esta é a primeira ferramenta na forma de uma inteligência artificial desenvolvida para avaliar o risco de falha no tratamento da hepatite C, e que deve servir de base para trabalhos futuros.