Ferramentas baseadas em inteligência artificial e simulação computacional podem fornecer suporte clínico essencial para identificar e tratar a degeneração da coluna.
Embora observações clínicas forneçam insights sobre a saúde das pessoas, converter essas evidências em prevenção e tratamento de doenças bem fundamentados continua sendo um desafio. É o caso da degeneração da coluna e da lombalgia, em que a degradação de tecidos e órgãos que leva aos sintomas clínicos costuma ser altamente multifatorial.
“A complexa interação de fatores está além da nossa capacidade natural de análise”, explica o coordenador do projeto Disc4All, Jérôme Noailly da Pompeu Fabra University em Barcelona, Espanha.
“No entanto, modelos e simulações computacionais podem nos ajudar a reter apenas as relações de causa e consequência mais importantes, fornecendo-nos compreensão suficiente para previsões e ações bem informadas.”
Compreendendo os processos que desencadeiam a degeneração da coluna
O objetivo de Noailly neste projeto era fornecer uma ferramenta matemática preditiva para ajudar os profissionais de coluna a tomarem decisões mais informadas. No entanto, ele estava encontrando dificuldades para que seus modelos, que retratam o que está acontecendo de errado mecanicamente na coluna, se correlacionassem com o que os profissionais de coluna tentam abordar e os pacientes estão realmente sentindo, ou seja, dor.
O projeto Disc4All, apoiado pelo programa Marie Skłodowska-Curie Actions, permitiu que Noailly aproximasse os modelos matemáticos do suporte clínico desejado por meio da combinação de inteligência artificial (IA) e aprendizado de máquina.
Um consórcio central de 12 beneficiários reuniu expertise em ciência da computação e de dados, biologia experimental e computacional, bioinformática, biomecânica e medicina.
Isso foi alcançado por meio da integração de dados baseados em evidências com modelos computacionais biológicos e mecânicos.
As ferramentas desenvolvidas durante o Disc4All foram aplicadas a uma variedade de fontes de dados, que incluem coortes humanas e experimentos de laboratório. O objetivo era fornecer uma imagem mais clara do que está realmente causando a degeneração do disco intervertebral na região lombar de um paciente, uma das principais causas de dor lombar.
“Começamos a pesquisar mais sobre os processos biológicos que realmente desencadeiam a degeneração da coluna”, acrescenta. “Ao coletar dados sobre isso, pensei que poderíamos identificar descritores personalizados e aprimorados das causas da dor.”
Agrupamento de moléculas de acordo com a função
A IA e o aprendizado de máquina permitiram que Noailly e seus colegas processassem esses dados rapidamente, identificando fatores de risco objetivos de degradação da coluna, juntamente com dados demográficos e psicológicos.
“Biomarcadores de imagem médica foram convertidos em parâmetros personalizados em modelos biomecânicos matemáticos”, explica Noailly. “Isso nos permitiu calcular e explorar diferentes mecanismos biofísicos e a relação de cada um desses mecanismos com os biomarcadores personalizados.”
Simulações de modelos levaram à identificação de potenciais biomarcadores, ou seja, certas moléculas que podem estar diretamente relacionadas à dor, mas não foram rastreadas clinicamente. Noailly foi capaz de ver padrões em processos biológicos que não são facilmente capturados pelos métodos tradicionais.
“É um pouco como a forma como os astrônomos descrevem fenômenos distantes sem realmente vê-los”, observa ele. “Eles usam modelos complexos, e é isso que estamos fazendo aqui.”
Significado a partir de dados biológicos e do paciente
Ao aplicar o aprendizado de máquina para extrair significado de grandes quantidades de dados biológicos e de pacientes, o projeto espera, eventualmente, ajudar os cirurgiões a obter uma imagem mais clara das causas da dor lombar em pacientes individuais.
“A modelagem computacional aprimorada por IA é uma maneira eficiente de construir um modelo espinhal personalizado para medicina de precisão”, diz Noailly. “Somos capazes de interpretar dados rapidamente e fornecer previsões sobre se as características personalizadas representam um risco biológico para a degeneração do disco intervertebral. Isso pode então ser aproveitado para prevenir ou tratar a dor lombar.”
O objetivo é, eventualmente, levar esse conceito pioneiro de modelagem computacional para ambientes clínicos. Para os profissionais de saúde, isso pode significar menos dependência de tecnologias caras e demoradas, como tomografias computadorizadas e ressonâncias magnéticas.
Fonte: Cordis / EU
Destaque – Imagem: aloart / Getty Images
