Por BETH DOUGHERTY | COMUNICAÇÕES DANA-FARBER
Pesquisadores da Harvard Medical School, do Dana-Farber Cancer Institute e do Massachusetts General Hospital, criaram um algoritmo de aprendizado de máquina capaz de prever a probabilidade de 348 doenças distintas em um determinado paciente.
O algoritmo, descrito na revista Natureem, é o primeiro a fazer previsões de múltiplas doenças com base apenas em dados de registros eletrônicos de saúde coletados rotineiramente e no conhecimento sobre os riscos genéticos da doença do paciente.
O algoritmo atualiza dinamicamente suas avaliações de risco ao longo do tempo, e seu poder preditivo melhora à medida que o paciente envelhece.
“As pessoas estão pensando em como será sua saúde nos próximos anos, especialmente com o aumento das opções de intervenção”, disse o coautor sênior Alexander Gusev, professor associado de medicina da HMS no Dana-Farber. “Essa ferramenta oferece um caminho para melhorar a previsão de doenças futuras, para que médicos e pacientes possam tomar medidas para tentar preveni-las.”
Até o momento, a ferramenta foi testada apenas com dados históricos de pacientes. Estudos futuros são necessários para avaliá-la em contextos clínicos, como ferramenta de pesquisa e como forma de aprimorar o planejamento de ensaios clínicos.
A equipe — liderada por Gusev; o coautor sêniorGiovanni Parmigiani, pesquisador do Dana-Farber e professor de bioestatística na Escola de Saúde Pública TH Chan de Harvard; o coautor sêniorPradeep Natarajan, professor de medicina da HMS no Mass General; e a primeira autoraSarah Urbut, instrutora de medicina da HMS no Mass General — combinou modelos de probabilidade com aprendizado de máquina.
Inteligência artificial construída sobre uma base de conhecimento humano
Os pesquisadores definiram matematicamente 20 “assinaturas” biológicas, ou conjuntos de tendências biológicas, que apresentam alta probabilidade de desencadear certas doenças. Por exemplo, o histórico de colesterol alto de um paciente aumenta a probabilidade de doenças cardiovasculares. As assinaturas também levam em consideração fatores genéticos conhecidos por aumentarem a probabilidade de uma doença.
Essas assinaturas são complexas e sobrepostas. O risco de câncer de cólon, por exemplo, está associado a múltiplas assinaturas.
” As diferentes trajetórias de metástases, como também pode nos dar uma compreensão biológica de por que os pacientes estão progredindo ao longo dessas diferentes trajetórias”, disse Gusev. “Com uma melhor compreensão da biologia, temos o potencial de identificar terapias mais benéficas.”
Além disso, a equipe está trabalhando para expandir as assinaturas a fim de aumentar a precisão e o embasamento biológico das previsões de risco.
