ADA 2024: Como a inteligência artificial pode auxiliar no combate ao diabetes

O tema inteligência artificial tem sido um dos grandes destaques nos últimos anos não apenas na medicina, mas em diversos campos. Tal tecnologia vem demonstrando a capacidade de simplificar processos através das chamadas redes neurais, capazes de aprender e aperfeiçoar tarefas a partir da comparação de padrões, identificando os corretos e refutando os errados. Confira o que foi falado sobre o tema no congresso da American Diabetes Association (ADA 2024)

Como a inteligência artificial pode mudar o tratamento do diabetes? 

Quando falamos sobre inteligência artificial, a melhor definição é um sistema de computador capaz de mimetizar a inteligência humana, capaz de aprender e pensar, resolvendo problemas e compreendendo linguagens. Já o termo “machine learning” é utilizado para designar o processo pelo qual os sistemas são ensinados a partir dos dados, melhorando sua performance sem interferir na sua programação. Já deep learning se refere de fato ao processo pelo qual as redes neurais reconhecem padrões, melhorando seu desempenho em tarefas como reconhecimento de padrões, imagens e discursos. 

Inteligência artificial e medicina 

O número de publicações sobre o assunto vem crescendo de forma geral em toda a medicina, atingindo cerca de aproximadamente 4 mil  nos últimos cinco anos. O uso da IA pode ser aplicado, no contexto médico, para sintetizar dados, reconhecimento de padrões a partir de dados coletados, classificação, estratificação de risco, modelos de predição, gerenciamento de dados, sistemas de suporte à decisão, melhora dos algoritmos de dispositivos e até mesmo para melhorar a forma como analisamos dados de pesquisas, abrindo diversas novas possibilidades.  

No contexto da diabetes, o Dr. Edward Chao (University of California, San Diego), trouxe exemplos práticos de como a inteligência artificial pode agregar. 

1) IA generativa e modelos 

A IA generativa é aquela capaz de criar respostas de diversos padrões frente a solicitações. Ela aprende através de seu banco de dados de treinamento e reproduz conteúdos similares baseado no que aprendeu. O uso nesse sentido é a sintetização de dados. Um fator importante é que o diabetes, per se, é uma condição bastante quantificável, o que pode facilitar o uso da IA nesse contexto. Por exemplo, é possível criar um modelo, simular e controlar o metabolismo glicêmico com base nas variáveis conhecidas.  

Trazendo para a prática, o reconhecimento de padrões, classificação e predições pode ser particularmente útil na análise de dados de monitorizações glicêmicas, por exemplo.  

Através da análise por IA das informações obtidas através de monitores contínuos de glicemia (CGMs), é possível estabelecer clusters de padrões de comportamentos glicêmicos, por exemplo, entre diversos pacientes, o que pode direcionar para uma abordagem mais personalizada quanto aos ajustes glicêmicos.  

Um exemplo utilizado foi um estudo que utilizou uma rede neural para, através do dado do CGM, detectar padrões de refeição e de atividade física entre pacientes com diabetes. Um segundo estudo treinou uma IA a partir de mais de 23 mil perfis de CGM, validando com mais 38 mil e testou em dados de outros 143 mil perfis. A partir daí, a IA detectou que existem aproximadamente 32 perfis (“clusters”) clinicamente significativos de dados de CGM. 

Além disso, claro, o papel da IA na predição de hipoglicemias pode melhorar a capacidade de detecção e evitar episódios, de forma ainda melhor do que as atualmente disponíveis. 

2) IA melhorando algoritmos do pâncreas artificial 

Os sistemas automáticos de infusão de insulina vem evoluindo consideravelmente nos últimos anos. Mas no contexto da IA, podemos destacar os estudos para implantação do “Neural-network artificial pancreas (NAP)”, desenvolvido em 2023. A ideia é melhorar ainda mais os algoritmos existentes, a partir do controle de bases de dados e fazer com que os dispositivos treinem a partir dos dados glicêmicos obtidos a partir do próprio paciente. Dessa forma, o dispositivo será teoricamente capaz de ter uma melhor decisão individual quanto à necessidade de infusão de insulina, dose, redução da taxa de infusão, entre outras funcionalidades específicas desse tipo de dispositivo. Tudo definido através de uma rede neural – literalmente uma inteligência artificial “pensando” a partir dos padrões glicêmicos sobre a necessidade e dose necessária de insulina com base em episódios prévios. Vale lembrar que tais dispositivos aprendem através da validação positiva quando acertam (no caso, ao atingir uma glicemia adequada) e também refutam episódios que falharam no controle. 

3) Melhora da análise de estudos: Data farming e ensaios clínicos aumentados com IA

A IA pode auxiliar tanto na elaboração de novos estudos como no aproveitamento de dados previamente publicados. Um exemplo trazido pelo Dr. Chao em sua palestra foi o “virtual DCCT”. Para quem não se recorda, o DCCT é um estudo clássico, publicado em meados da década de 90, que demonstrou que o controle glicêmico intensivo foi capaz de reduzir complicações microvasculares como retinopatia e nefropatia diabética em indivíduos com DM1.  

O “virtual DCCT” foi uma re-análise dos dados obtidos no estudo, através de uma rede neural. A IA foi alimentada com todos os dados obtidos dos pacientes envolvidos no estudo. Em primeiro lugar, os autores fizeram as análises originais como uma medida de certificação do input de dados e da capacidade analítica da IA. Os resultados foram extremamente concordantes. 

Num segundo momento, a partir dos dados, os investigadores solicitaram à IA para analisar os desfechos primários (incidência de retinopatia diabética, por exemplo) mas agora de acordo com o tempo no alvo, dado estimado a partir das glicemias capilares disponíveis no estudo. A mesma foi capaz de estabelecer a correlação, demonstrando que de fato, quanto maior o tempo no alvo, menor a incidência da complicação. 

Estes são apenas alguns exemplos de como a IA pode auxiliar na pesquisa e manejo em diabetes e em outras áreas da medicina de forma geral. Aparentemente, o futuro do tratamento do diabetes, que já está intimamente ligado à tecnologia, também estará atrelado ao avanço da inteligência artificial. 

Confira os destaques do ADA 2024!