Tecnologia vestível, IA e equipes clínicas se unem para mudar a face do monitoramento de testes

Uma equipe multidisciplinar de pesquisadores desenvolveu uma maneira de monitorar a progressão de distúrbios do movimento usando tecnologia de captura de movimento e IA.

Em dois estudos inovadores, publicados na Medicina da Naturezauma equipe interdisciplinar de IA e pesquisadores clínicos mostraram que, ao combinar humanos movimento dados coletados de tecnologia vestível com uma nova e poderosa tecnologia de IA médica, eles são capazes de identificar padrões de movimento claros, prever a progressão futura da doença e aumentar significativamente a eficiência dos ensaios clínicos em dois distúrbios raros muito diferentes, distrofia muscular de Duchenne (DMD) e ataxia de Friedreich ( AF).

DMD e FA são raros, degenerativos, doenças genéticas que afetam o movimento e eventualmente levam à paralisia. Atualmente, não há cura para nenhuma das doenças, mas os pesquisadores esperam que esses resultados acelerem significativamente a busca por novos tratamentos.

O rastreamento da progressão de FA e DMD normalmente é feito por meio de testes intensivos em um ambiente clínico. Esses artigos oferecem uma avaliação significativamente mais precisa que também aumenta a precisão e a objetividade dos dados coletados.

Os pesquisadores estimam que o uso desses marcadores de doenças significa que um número significativamente menor de pacientes é necessário para desenvolver um novo medicamento quando comparado aos métodos atuais. Isto é particularmente importante para doenças raras onde pode ser difícil identificar pacientes adequados.

Os cientistas esperam que, além de usar a tecnologia para monitorar pacientes em ensaios clínicos, ela também possa um dia ser usada para monitorar ou diagnosticar uma série de doenças comuns que afetam o comportamento do movimento, como demência, derrame e condições ortopédicas.

Autor sênior e correspondente de ambos os artigos, Professor Aldo Faisal, dos Departamentos de Bioengenharia e Computação do Imperial College London, que também é Diretor do UKRI Centre for Doctoral Training in AI for Healthcare, e Chair for Digital Health na University of Bayreuth ( Alemanha), e titular do UKRI Turing AI Fellowship, disse: “Nossa abordagem reúne grandes quantidades de dados do movimento de corpo inteiro de uma pessoa – mais do que qualquer neurologista terá precisão ou tempo para observar em um paciente. Nossa tecnologia de IA cria um gêmeo digital do paciente e nos permite fazer previsões precisas e sem precedentes de como a doença de um paciente individual irá progredir. Acreditamos que a mesma tecnologia de IA trabalhando em duas doenças muito diferentes mostra como é promissora ser aplicada a muitas doenças e ajudar desenvolver tratamentos para muitas outras doenças de forma ainda mais rápida, barata e precisa.”

Os dois artigos destacam o trabalho de uma grande colaboração de pesquisadores e especialistas em tecnologia de IA, engenharia, genética e especialidades clínicas. Isso inclui pesquisadores da Imperial, do UKRI Center in AI for Healthcare, do MRC London Institute of Medical Sciences (MRC LMS), UCL Great Ormond Street Institute for Child Health (UCL GOS ICH), do NIHR Great Ormond Street Hospital Biomedical Research Center ( NIHR GOSH BRC), Centro de Ataxia no UCL Queen Square Institute of Neurology, Great Ormond Street Hospital, National Hospital for Neurology and Neurosurgery (UCLH e UCL/UCL BRC), University of Bayreuth, Gemelli Hospital em Roma, Itália, e NIHR Imperial College Research Facility.

Impressões digitais de movimento – os testes em detalhes

O co-autor de ambos os estudos, o professor Richard Festenstein, do MRC London Institute of Medical Sciences e do Department of Brain Sciences da Imperial, disse: “Pacientes e familiares muitas vezes querem saber como sua doença está progredindo e tecnologia de captura de movimento combinado com IA pode ajudar a fornecer essas informações. Esperamos que esta pesquisa tenha o potencial de transformar os ensaios clínicos em distúrbios raros do movimento, bem como melhorar o diagnóstico e o monitoramento de pacientes acima dos níveis de desempenho humano”.

No estudo focado em DMD, pesquisadores e médicos do Imperial, Great Ormond Street Hospital e University College London testaram o traje de sensor usado pelo corpo em 21 crianças com DMD e 17 controles saudáveis ​​da mesma idade. As crianças usaram os sensores enquanto realizavam avaliações clínicas padrão (como o teste de caminhada de 6 minutos), além de realizar suas atividades diárias, como almoçar ou brincar.

No estudo da FA, as equipes do Imperial, do Ataxia Center, do UCL Queen Square Institute of Neurology e do MRC London Institute of Medical Sciences trabalharam com pacientes para identificar os principais padrões de movimento e prever marcadores genéticos de doenças. FA é a ataxia hereditária mais comum e é causada por uma repetição de trigêmeos incomumente grande de DNA, que desliga o gene FA. Usando essa nova tecnologia de IA, a equipe conseguiu usar dados de movimento para prever com precisão o ‘desligamento’ do gene FA, medindo o quão ativo ele estava sem a necessidade de coletar amostras biológicas dos pacientes.

A equipe foi capaz de administrar uma escala de classificação para determinar o nível de incapacidade da ataxia SARA e avaliações funcionais como caminhar, movimentos de mãos/braços (SCAFI) em 9 pacientes com AF e controles correspondentes. Os resultados dessas avaliações clínicas validadas foram então comparados com os obtidos com o uso da nova tecnologia nos mesmos pacientes e controles. Este último mostrando mais sensibilidade em prever a progressão da doença.

Em ambos os estudos, todos os dados dos sensores foram coletados e inseridos na tecnologia de IA para criar avatares individuais e analisar movimentos. Este vasto conjunto de dados e poderosa ferramenta de computação permitiram aos pesquisadores definir as impressões digitais dos principais movimentos vistos em crianças com DMD, bem como em adultos com FA, que eram diferentes no grupo de controle. Muitos desses padrões de movimento baseados em IA não haviam sido descritos clinicamente antes em DMD ou FA.

Os cientistas também descobriram que a nova técnica de IA também poderia melhorar significativamente as previsões de como a doença de pacientes individuais progrediria ao longo de seis meses em comparação com as avaliações padrão-ouro atuais. Uma previsão tão precisa permite realizar ensaios clínicos com mais eficiência, para que os pacientes possam acessar novas terapias mais rapidamente e também ajudar a dosar medicamentos com mais precisão.

Números menores para futuros ensaios clínicos

Essa nova maneira de analisar as medições de movimento de corpo inteiro fornece às equipes clínicas marcadores claros de doenças e previsões de progressão. Estas são ferramentas inestimáveis ​​durante os ensaios clínicos para medir os benefícios de novos tratamentos.

A nova tecnologia pode ajudar os pesquisadores a realizar ensaios clínicos de condições que afetam o movimento com mais rapidez e precisão. No estudo DMD, os pesquisadores mostraram que esta nova tecnologia poderia reduzir o número de crianças necessárias para detectar se um novo tratamento estaria funcionando para um quarto das necessárias com os métodos atuais.

Da mesma forma, no estudo FA, os pesquisadores mostraram que poderiam alcançar a mesma precisão com 10 pacientes em vez de mais de 160. Essa tecnologia de IA é especialmente poderosa ao estudar doenças raras, quando as populações de pacientes são menores. Além disso, a tecnologia permite estudar pacientes em eventos de doenças que mudam a vida, como a perda da deambulação, enquanto os ensaios clínicos atuais visam coortes de pacientes ambulantes ou não ambulantes.

O coautor de ambos os estudos, o professor Thomas Voit, diretor do Centro de Pesquisa Biomédica NIHR Great Ormond Street (NIHR GOSH BRC) e professor de Neurociências do Desenvolvimento na UCL GOS ICH, disse: “Esses estudos mostram como a tecnologia inovadora pode melhorar significativamente a maneira como estudar doenças no dia-a-dia. O impacto disso, juntamente com o conhecimento clínico especializado, não apenas melhorará a eficiência dos ensaios clínicos, mas também terá o potencial de se traduzir em uma grande variedade de condições que afetam o movimento. É graças a colaborações entre pesquisas institutos, hospitais, especialidades clínicas e com pacientes e famílias dedicadas que podemos começar a resolver os problemas desafiadores enfrentados pela pesquisa de doenças raras.”

O primeiro autor conjunto de ambos os estudos, Dr. Balasundaram Kadirvelu, pesquisador de pós-doutorado nos Departamentos de Computação e Bioengenharia do Imperial, disse: “Ficamos surpresos ao ver como nosso algoritmo de IA foi capaz de detectar algumas novas formas de analisar os movimentos humanos. Chamamos eles ‘impressões comportamentais’ porque assim como as impressões digitais de sua mão nos permitem identificar uma pessoa, essas impressões digitais caracterizam a doença com precisão, não importa se o paciente está em uma cadeira de rodas ou andando, na clínica fazendo uma avaliação ou almoçando em um café .”

A primeira autora conjunta do estudo DMD e coautora do estudo FA, Dra. Valeria Ricotti, professora clínica honorária da UCL GOS ICH, disse: “Pesquisar condições raras pode ser substancialmente mais caro e logisticamente desafiador, o que significa que os pacientes estão perdendo em potenciais novos tratamentos. Aumentando a eficiência de testes clínicos nos dá esperança de que podemos testar muitos outros tratamentos com sucesso.”

A coautora professora Paola Giunti, chefe do UCL Ataxia Center, Queen Square Institute of Neurology e consultora honorária do National Hospital for Neurology and Neurosurgery, UCLH, disse: “Estamos entusiasmados com os resultados deste projeto que mostrou como a IA aborda são certamente superiores na captura da progressão da doença em uma doença rara como a ataxia de Friedreich. Com essa nova abordagem, podemos revolucionar o desenho de ensaios clínicos para novos medicamentos e monitorar os efeitos de medicamentos já existentes com uma precisão desconhecida nos métodos anteriores.”

“O grande número de pacientes com FA que foram muito bem caracterizados clínica e geneticamente no Ataxia Center UCL Queen Square Institute of Neurology, além de nossa contribuição crucial no protocolo clínico, tornou o projeto possível. Também somos gratos a todos os nossos pacientes que participaram deste projeto.”