Pesquisa sugere que IA pode ser treinada para detectar doenças pulmonares em bebês prematuros

Redes Neurais Artificiais (RNAs) podem ser treinadas para detectar doenças pulmonares em bebês prematuros analisando seus padrões respiratórios enquanto dormem, de acordo com pesquisa apresentada no Congresso da Sociedade Respiratória Europeia (ERS) em Viena, Áustria.

O estudo foi apresentado por Edgar Delgado-Eckert, professor adjunto do Departamento de Engenharia Biomédica da Universidade de Basileia e líder do grupo de pesquisa do Hospital Infantil Universitário, na Suíça.

A displasia broncopulmonar (DBP) é um problema respiratório que pode afetar bebês prematuros. Quando os pulmões de um recém-nascido não estão desenvolvidos no nascimento, eles geralmente precisam de suporte de um ventilador ou oxigenoterapia — tratamento que pode esticar e inflamar seus pulmões, causando DBP.

Mas identificar a DBP é difícil. Os testes de função pulmonar geralmente exigem que um adulto sopre quando solicitado — algo que os bebês não conseguem fazer — então as técnicas atuais exigem equipamentos sofisticados para medir as características de ventilação pulmonar de uma criança. Como resultado, a DBP é uma das poucas doenças que é tipicamente diagnosticada pela presença de uma de suas principais causas, prematuridade e suporte respiratório.

ANNs são modelos matemáticos usados ​​para classificação e predição. Para fazer predições precisas, uma ANN precisa primeiro ser treinada com uma grande quantidade de dados, o que apresenta um problema quando se trata de BPD.

A professora Delgado-Eckert explica: “Até recentemente, essa necessidade de grandes quantidades de dados dificultava os esforços para criar modelos precisos para doenças pulmonares em bebês, porque é muito difícil avaliar sua função pulmonar.

“Mas há uma alternativa. Podemos medir a respiração de um bebê enquanto ele dorme. Tudo o que precisamos é de uma máscara facial macia, com um sensor que possa medir o fluxo de ar e o volume que entra e sai do nariz do bebê. Esse equipamento é barato e está disponível em qualquer unidade clínica.

“Tais medições de várias respirações consecutivas — o que chamamos de respiração de maré — podem produzir grandes quantidades de dados de fluxo sequencial de boa qualidade. Queríamos tentar usar esses dados para treinar uma ANN para detectar BPD.

A equipe do professor Delgado-Eckert estudou um grupo de 139 bebês nascidos a termo e 190 prematuros que foram avaliados para DBP, registrando sua respiração por dez minutos enquanto dormiam. Para cada bebê, 100 respirações regulares consecutivas, cuidadosamente inspecionadas para excluir suspiros ou outros artefatos, foram usadas para treinar, validar e testar um tipo de ANN chamado modelo de Long Short-Term Memory (LSTM), que é particularmente eficaz na classificação de dados sequenciais, como respiração de maré.

A equipe usou 60% dos dados para ensinar a rede a reconhecer o TPB, 20% para validar o modelo (para garantir que ele não estivesse muito fixo nos dados de treinamento) e, então, alimentou o modelo com os 20% restantes, sem ser visto, para ver se ele conseguiria identificar corretamente os bebês com TPB.

O modelo LSTM foi capaz de classificar uma série de valores de fluxo no conjunto de dados de teste não vistos como pertencentes a um paciente com diagnóstico de DBP ou não, com 96% de precisão.

A professora Delgado-Eckert acrescentou: “Nossa pesquisa oferece, pela primeira vez, uma maneira abrangente de analisar a respiração de bebês e nos permite detectar quais bebês têm DBP já com um mês de idade corrigida — a idade que teriam se tivessem nascido na data prevista — usando a RNA para identificar anormalidades em seus padrões respiratórios.

“Nosso teste não invasivo é menos angustiante para o bebê e seus pais, significa que eles podem acessar o tratamento mais rapidamente e também pode ser relevante para seu prognóstico a longo prazo”

A equipe agora espera investigar se o modelo também pode ser usado para testar bebês poucas semanas após o nascimento, para analisar a função pulmonar e prever sintomas em crianças mais velhas em idade escolar, e para testar outras condições, como asma.

A professora Angela Zacharasiewicz é presidente do Grupo de Asma e Alergia Pediátrica da ERS e chefe do Departamento de Pediatria da Klinik Ottakring, e não esteve envolvida na pesquisa.

Ela disse: “Testar a função do pulmão em bebês prematuros usando novas técnicas melhorará a tomada de decisão terapêutica. Quanto mais cedo pudermos confirmar o DBP em um bebê prematuro, mais rápido poderemos tomar uma decisão informada sobre a melhor forma de suporte respiratório para dar a eles durante suas primeiras semanas de vida. Também pode permitir o planejamento mais precoce de avaliações de acompanhamento e intervenções potenciais, reduzindo o estresse para os pais e seus filhos.

“Esta pesquisa mostra o enorme potencial que a IA tem em simplificar este processo. Esta técnica poderia ser usada para testar números maiores de bebês e também poderia ser aplicada a outras doenças, como asma.

“É emocionante ver como ferramentas de IA como essas podem potencialmente dar suporte aos nossos serviços de saúde.”

Fornecido pela Sociedade Respiratória Europeia