A nova tecnologia preditiva do MIT que pode salvar sua vida

Pesquisadores do MIT e da IBM desenvolveram uma nova inteligência artificial capaz de analisar os possíveis tratamentos que podem ser aplicados a um paciente e estimar os resultados potenciais. A tecnologia é capaz de levar em conta o estado de saúde de cada paciente individualmente e pode ser uma ferramenta fundamental para ajudar os médicos a tomar decisões críticas em pouco tempo.

G-Net é uma nova ferramenta de inteligência artificial criada por pesquisadores do MIT-IBM Watson AI Lab. Essa tecnologia, baseada em técnicas de deep learning, promete ajudar médicos a explorar diferentes tratamentos para um paciente e antecipar como eles evoluiriam com cada um deles, sem colocá-los em perigo.

“Nosso objetivo final é desenvolver uma técnica de aprendizado de máquina que permita aos médicos explorar vários cenários hipotéticos e opções de tratamento”, diz Li-wei Lehman, pesquisador do MIT Institute of Medical Science and Engineering e líder do projeto.

Uma das novidades que esta tecnologia apresenta em relação a outras semelhantes é que permite a personalização do tratamento. O G-Net é flexível e permite que o tratamento seja modificado ao longo do tempo e conforme a condição do paciente muda. Além disso, a tecnologia leva em consideração tanto as novas condições quanto o histórico anterior dos pacientes.

“O G-Net é a primeira abordagem de aprendizado profundo baseada em g-computing (algoritmos) que podem prever efeitos de tratamento em nível populacional e em nível individual sob estratégias de tratamento dinâmicas e variantes no tempo”, diz Lehman.

Como funciona

Para testar essa tecnologia, os pesquisadores tomaram como referência o sistema circulatório de pacientes sépticos na UTI. Durante o atendimento desse tipo de doente crítico, os médicos não têm muito tempo para tomar decisões. Por exemplo, os pesquisadores comentam que “para garantir que os órgãos recebam um suprimento sanguíneo adequado sem sobrecarregar o coração, os pacientes podem receber fluidos intravenosos para aumentar a pressão arterial. No entanto, uma quantidade excessiva pode causar edema. Como alternativa, os médicos podem administrar vasopressores, que atuam contraindo os vasos sanguíneos e elevando a pressão arterial”.

Para testar o G-Net, a equipe usou o CVSim, um modelo que imita o sistema cardiovascular humano e é governado por 28 variáveis, como pressão arterial, pressão venosa central, volume total de sangue ou resistência periférica total. E ele o modificou para simular várias doenças, como sepse ou perda de sangue.

Embora o G-Net tenha funcionado muito bem com dados simulados, a equipe admite que ainda há trabalho a ser feito antes de ser implementado em pacientes reais. Eles já estão nisso embora. No momento, eles estão usando dados reais de pacientes de UTI com sepse, o que, segundo eles, está mais próximo de poder usá-los em hospitais.

Lehman acredita que, ao contrário de outras abordagens, que recomendam tratamentos “ótimos” sem o envolvimento de um médico, o G-Net seria mais interpretável e permitiria que os médicos introduzissem suas estratégias de tratamento. Isso faria da inteligência artificial uma ferramenta de consulta que os médicos podem ter à sua disposição para tomar suas decisões.

“Acho que é muito importante e empolgante para aplicações do mundo real”, diz Stephanie Hu, outra das autoras deste estudo que foi publicado na revista ‘Proceedings of Machine Learning Research’. “Seria útil ter alguma maneira de prever se um tratamento pode ou não funcionar, ou quais podem ser seus efeitos, um processo de interação mais rápido para desenvolver essas hipóteses sobre o que testar, antes de realmente tentar aplicá-las”.