O desafio da pancreatite autoimune

Em diversas situações o diagnóstico da pancreatite autoimune é desafiador e raramente o paciente apresenta com quadro clássico como descrito nos livros. O desafio pode ser ainda mais complexo quando a apresentação clínica da pancreatite autoimune (AIP) simula um adenocarcinoma de pâncreas. Infelizmente de 2 a 5% dos pacientes submetidos a pancreatectomias por suspeita de adenocarcinomas, na verdade apresentavam uma pancreatite autoimune.

Apesar de alguns algoritmos ajudarem na decisão clínica, há situações em que não se consegue fechar o diagnóstico, mesmo com uso de todas as ferramentas disponíveis. Um dos principais métodos de avaliação pancreática é a imagem por ultrassom endoscópico (EUS) acrescido da biopsia durante o procedimento.  Enquanto para o diagnóstico de adenocarcinoma o EUS possui uma sensibilidade de 85%, para AIP a sensibilidade cai para 58,2%.

Leia também: Carcinomas ductais do pâncreas: qual a melhor abordagem?

O uso da inteligência artificial para tentar auxiliar no diagnóstico de lesões suspeitas já mostrou efetividade em lesões cutâneas e em pólipos intestinais, porém não havia sido tentado em AIP durante EUS. O objetivo do estudo foi criar um modelo que pudesse auxiliar na determinação diagnóstica de AIP, assim como diferenciar de adenocarcinoma pancreático. Também como objetivos secundários, seria necessário a diferenciação entre pâncreas normal e pancreatite crônica.

Métodos

Foi criado um modelo computacional e machine learning onde foram analisados fotos e vídeos de todas as ecoendoscopias com diagnóstico de AIP em uma única instituição. Como o diagnóstico de AIP é raro, para cada caso de AIP foram pareados pacientes com adenocarcinoma, pâncreas normal e pancreatite crônica (na proporção 2; 0,5; 0,5 respectivamente). Após criado o modelo, o mesmo vídeo contendo as informações foram apresentadas a médicos experientes, que assim como o computador, não possuíam nenhuma outra informação além das imagens para serem analisadas, e ao final deveriam sugerir um dos 4 diagnósticos possíveis.

Resultados

Um total de 146 pacientes realizaram EUS com diagnostico de AIP, e com isto foram pareados: 292 adenocarcinomas, 72 pancreatites crônica e 73 pâncreas normais (1 paciente do grupo pancreatite crônica foi excluído).  Destes 583 pacientes 460 foram utilizados para aprendizados e validação do modelo e 123 como teste.  Através de um algoritmo de análise dos pixels da foto e do vídeo, foi criado um mapa de cor, que foi utilizado como base para o aprendizado do software.

Saiba mais: Pâncreas artificial parece ser eficaz no controle da glicemia em crianças de 6 a 13 anos

Uma vez realizada esta etapa inicial, o sistema foi colocado a prova e com resultados com sensibilidade e especificidade maiores que 90% e 85% respectivamente quando se comparava AIP com as outras 3 patologias. Na análise dos resultados com os grupos de humanos que analisaram o mesmo vídeo e podendo ser qualquer uma das 4 categorias, a inteligência artificial apresentou uma acurácia de 75,6% versus 61,6% para os humanos (p = 0,026).

Discussão

Alguns outros estudos já demostraram a utilidade do uso da inteligência artificial para distinguir entre adenocarcinoma de pâncreas e pancreatite crônica. No entanto não havia estudos que se utilizasse desta ferramenta para a análise de AIP.

O uso da inteligência artificial pode ser extremamente útil visto que mesmo a biopsia pancreática pode não apresentar resultados categóricos no diagnóstico de AIP, com algumas series mostrando uma sensibilidade de 57,7%.

Infelizmente ainda existem diversas limitações destes achados, entre elas o fato de ser apenas de um centro e retrospectiva. O tempo da análise é curto e provavelmente poderá ser realizada em tempo real, no entanto este mecanismo ainda necessita de futuras validações.

Em conclusão a inteligência artificial abriu uma nova fronteira na medicina que este é um passo para melhorar a abordagem clínica dos pacientes com AIP.

Para levar para casa

Ainda é um pouco precoce para sabermos como será isto na prática clínica. Da mesma forma que não poderíamos imaginar nossa atual dependência dos telefones celulares, é estranho pensar que também seremos dependentes deste tipo de tecnologia. Apesar de alguns malefícios, sem dúvida estas inovações agregam agilidade e precisão nas nossas decisões tanto médicas, como pessoais no caso dos celulares.

Referências bibliográficas:

• Marya NB, Powers PD, Chari ST, et al. Utilisation of artificial intelligence for the development of an EUS-convolutional neural network model trained to enhance the diagnosis of autoimmune pancreatitis. Gut Published Online First: 07 October 2020. doi: 10.1136/gutjnl-2020-322821