Projeto da UFF alia psiquiatria à inteligência artificial
Pesquisa desenvolvida pela UFF, em parceria com a University College London, da Inglaterra, e a University of Pittsburgh, dos Estados Unidos, possibilitou a inserção da universidade no cenário internacional, numa relevante área do conhecimento: o uso da inteligência artificial aplicada à clínica. Do ponto de vista social e médico, o estudo representa a possibilidade de se obter parâmetros de avaliação mais objetivos e que auxiliem os psiquiatras e psicólogos nos diagnósticos e encaminhamentos terapêuticos dos mais variados transtornos mentais.
A coordenadora do Programa de Pós-graduação em Ciências Biomédicas, Letícia de Oliveira, do Laboratório de Neurofisiologia do Comportamento (Labnec), do Instituto Biomédico da UFF, é a responsável pela pesquisa. Ela exemplifica que um médico cardiologista consegue avaliar o risco de um ataque cardíaco com base em vários parâmetros clínicos mais objetivos, tais como exames laboratoriais, índice de gordura corporal, grau de obstrução dos vasos sanguíneos, etc. Já o psiquiatra, por outro lado, tem um arsenal bem mais limitado para auxiliá-lo, tanto no diagnóstico como na conduta terapêutica, já que exames laboratoriais ou de imagem cerebral mais simples, como ressonância ou tomografia, têm apresentado pouca eficiência nesta área. Portanto, a ideia, segundo ela, é identificar biomarcadores de patologias mentais, iniciativa que se mostra revolucionária na prática clínica da psiquiatria e em outras áreas afins.
O estudo é realizado na UFF, e segundo a professora, a parceria internacional vem se consolidando, com visitas bilaterais entre pesquisadores e estudantes das instituições de ensino envolvidas. Recentemente, Letícia foi contemplada com um contrato honorário pela University College London, com o título de “Honorary Senior Research Associate”, o que representa o reconhecimento do estudo do grupo brasileiro e a consolidação da interação internacional.
Além de Leticia de Oliveira, o grupo é formado pelas colegas Mirtes Pereira e Isabel Antunes, também coordenadoras do Labnec, e de Janaína Mourão-Miranda, professora titular na University College London (UCL), na Inglaterra; bem como de Orlando Fernandes Júnior, ex-aluno de doutorado, e atualmente bolsista de pós-doutorado da UFRJ, e de Liana Portugal, pesquisadora de pós-doutorado sob a supervisão de Leticia. Juntos, eles estão aplicando a metodologia também em dados coletados no Brasil.
A pesquisa
No início a professora analisou as imagens cerebrais de 32 adolescentes saudáveis, sendo 16 filhos de pacientes com distúrbio bipolar e 16 filhos de pais que não apresentavam distúrbios. O trabalho, segundo a professora, foi feito com uma amostra pequena e, portanto, os resultados foram interpretados com cuidado. Na ocasião, foi observado que o algoritmo de reconhecimento de padrão foi capaz de predizer com 75% de precisão quais adolescentes do estudo tinham pais “saudáveis” - sem nenhuma patologia mental diagnosticada - e quais tinham transtorno bipolar. O algoritmo foi “treinado” com o padrão de atividade cerebral dos jovens enquanto eles visualizavam estímulos de faces humanas com expressão neutra.
A professora ressaltou que os pesquisados eram saudáveis, “sem nenhum sintoma de patologia mental, na época da coleta dos dados de neuroimagem e o algoritmo foi capaz de discriminá-los mesmo assim”. O resultado sugere que a nível cerebral já havia uma “assinatura”, uma “marca” capaz de diferenciar os dois grupos. De fato, um acompanhamento de seis meses a um ano depois da coleta da neuroimagem foi realizado, e os pesquisadores observaram que os adolescentes que desenvolveram alguma patologia mental eram aqueles cujo o algoritmo apresentava maior confiança na classificação como filhos de pais com transtorno bipolar.
O trabalho está no campo da investigação acadêmica e ainda não se tornou rotina nos postos de saúde, pois de acordo com a coordenadora, ainda há um longo caminho a ser trilhado. Para ela, o estudo ainda vai demorar para ser inserido na rotina clínica. “É preciso muito cuidado com os resultados “falsos positivos”, ou seja, casos em que o algoritmo de reconhecimento de padrões (área de “machine learning” ou aprendizado de máquina) indicaria uma vulnerabilidade a alguma patologia mental, mas isto não seria verdadeiro. Há várias questões éticas que precisam ser discutidas antes de inserir este tipo de abordagem no atendimento ao paciente”, explicou.
A metodologia
A pesquisa, que utiliza a metodologia de reconhecimento de padrões, área de machine learning - aprendizado de máquina, subárea da inteligência artificial - aplicada a imagens cerebrais, chegou a um algoritmo computacional capaz de ajudar a identificar adolescentes em risco de apresentar em algum momento da vida um transtorno mental. O programa é capaz de aprender características que identificam um determinado estímulo após entrar em contato com ele repetidamente.
De acordo com Letícia de Oliveira, a metodologia consiste de duas fases: a primeira é a de treinamento, onde vários exemplos de um determinado estímulo são apresentados ao algoritmo para que ele aprenda as características que definem o estímulo e os diferenciam dos outros. A segunda etapa é a de teste, onde o algoritmo deve discriminar um novo estímulo (nunca apresentado na fase de treino) indicando se pertence ou não à classe daquele que foi treinado.
No estudo, por exemplo, os pesquisadores treinam o algoritmo para discriminar, com base em imagens da atividade cerebral, “filhos de pais saudáveis” versus “filhos de pais com transtorno bipolar”. Depois da fase de treinamento, o algoritmo é desafiado com imagens cerebrais “novas” daqueles com pais saudáveis e com transtorno, ou seja, imagens cerebrais de adolescentes que não haviam participado. Os cientistas observaram que o algoritmo acertava 75% das vezes, o que foi considerado alto já que eram jovens sem nenhuma patologia.
Entretanto, o treinamento poderia, de alguma maneira, influenciar no resultado final, pois a eficiência da pesquisa depende bastante do algoritmo utilizado. Segundo a professora, há vários disponíveis e a cada dia eles ficam ainda mais eficientes. “Há uma área imensa de pesquisa na computação tentando criá-los cada vez mais eficientes e com baixas taxas de erro”, ressaltou.
Fatores causadores de doenças mentais
Atualmente, a hipótese mais aceita pelos pesquisadores é a de que a deflagração de uma patologia mental, na maioria dos casos, é essencialmente multifatorial. “Fatores biológicos ou predisposições genéticas ocupam posição de destaque, mas o local onde o indivíduo está inserido é fundamental. Ambientes seguros, com apoio social, e menos estresse representam fatores de proteção. Violência, estresse, traumas (especialmente infantis) são importantes fatores de vulnerabilidade para o desencadeamento de doenças mentais. Em geral, há um sinergismo entre os fatores biológicos e ambientais”, acrescentou Letícia.
A professora destacou também que a importância da pesquisa, realizada com financiamento da Capes e do Wellcome Trust, deve-se ao fato de que muitas doenças mentais têm início no fim da adolescência e a detecção precoce e o tratamento podem retardar, amenizar ou mesmo evitar o desenvolvimento da enfermidade. Além disso, há outros trabalhos do grupo e da literatura da área que indicam que o uso da metodologia de aprendizado de máquina pode ajudar para identificar e evitar outras patologias mentais.
“Em estudo mais recente, por exemplo, observamos que a metodologia de reconhecimento de padrões pode predizer sintomas de desregulação emocional em adolescentes com algum tipo de transtorno mental. Em outra pesquisa desse mesmo grupo, foi observado que esta metodologia foi capaz de predizer o traço de afeto negativo - que representa o quanto um indivíduo vivencia emoções negativas em seu cotidiano. Este foi um dos primeiros trabalhos na literatura a mostrar que o aprendizado de máquina é capaz de predizer um traço de personalidade também em indivíduos saudáveis”, concluiu Letícia de Oliveira.