A nova pesquisa, publicada no British Journal of Ophthalmology, abre caminho para o desenvolvimento de exames cardiovasculares rápidos e baratos, se os resultados forem validados em futuros ensaios clínicos.

Esses exames permitiriam que os indivíduos soubessem seu risco de acidente vascular cerebral e ataque cardíaco sem a necessidade de exames de sangue ou mesmo medições de pressão arterial.

“Esta ferramenta de IA pode informar em 60 segundos ou menos seu nível de risco”, disse a principal autora do estudo, Alicja Rudnicka, ao The Guardian. O estudo descobriu que as previsões eram tão precisas quanto as produzidas pelos testes atuais.

O software funciona analisando a teia de vasos sanguíneos contidos na retina do olho. Ele mede a área total coberta por essas artérias e veias, bem como sua largura e “tortuosidade” (quão flexíveis elas são).

Todos esses fatores são afetados pela saúde do coração de um indivíduo, permitindo que o software faça previsões sobre o risco de doença cardíaca de um indivíduo apenas observando um instantâneo não invasivo de seu olho.

“O estudo contribui para rescente corpo de conhecimento de que o olho pode ser usado como uma janela para o resto do corpo”, disse Pearse Keane, pesquisador em oftalmologia e análise de IA não ligado ao estudo, ao The Verge.

“Os médicos sabem há mais de 100 anos que você pode olhar nos olhos e ver sinais de diabetes e pressão alta. Mas o problema era a avaliação manual.” O uso de aprendizado de máquina, diz Keane, pode superar esse desafio.

Usar a IA para diagnosticar doenças a partir de exames oculares provou ser um dos campos de desenvolvimento mais rápido da medicina de machine learning. O primeiro dispositivo de diagnóstico de IA aprovado pela FDA (órgão dos EUA similar à Anvisa) foi usado para rastrear doenças oculares e pesquisas sugerem que a IA pode detectar uma série de doenças dessa maneira, desde retinopatia diabética até Alzheimer (a área de pesquisa de Keane).

As ferramentas que aplicam esses achados estão em vários estágios de desenvolvimento, mas permanecem questões sobre a confiabilidade e a universalidade de seus diagnósticos.

Este estudo recente, realizado por equipe de St. George’s, da Universidade de Londres, só foi testado em exames oculares de pacientes brancos, por exemplo. A equipe obteve seus dados de teste do UK Biobank, banco de dados que é 94,6% branco (refletindo a própria demografia do Reino Unido na faixa etária dos pacientes incluídos no BioBank). Tais vieses teriam que ser equilibrados no futuro para garantir que qualquer ferramenta de diagnóstico seja igualmente precisa para diferentes etnias.

Os pesquisadores compararam os resultados de seu software, chamado QUARTZ (acrônimo inventivo derivado da frase “Análise quantitativa de topologia e tamanho dos vasos da retina”) com previsões de risco de 10 anos produzidas pelo teste padrão de pontuação de risco de Framingham (FRS). Eles descobriram que os dois métodos tinham “desempenho comparável”.

O grande desafio, diz Keane, é levar esse tipo de trabalho do “código para a clínica”. Quem pode transformar esse tipo de pesquisa em uma ferramenta de diagnóstico, ele pergunta; seria o Serviço Nacional de Saúde do Reino Unido (NHS) ou uma empresa desmembrada da universidade? E que nível de desempenho os reguladores exigirão antes de aprovar o uso do software? “Em que ponto dizemos ‘vamos colocar um garfo nisso, terminamos’ e torná-lo um produto comercial?”

Via The Verge

Imagem destacada: Andrey_Popov/Shutterstock

“Você está sempre no controle total de com quem compartilha suas histórias. Você pode compartilhar suas histórias com todas as suas conexões do Signal (conexões do Signal = seus contatos + qualquer pessoa com quem você tenha conversado 1:1), ou com uma lista personalizada de amigos ou com qualquer um dos seus grupos do Signal”, explicou Greyson Parrelli.