Algoritmo de IA correlaciona padrões de dor de pacientes com resultado cirúrgico de cefaléia, diz, estudo publicado na Plastic and Reconstructive Surgery. Cientistas da Harvard Medical School em Boston treinaram um algoritmo de aprendizado de máquina de árvore aleatória em 131 esquemas de dor fornecidos prospectivamente por pacientes de cirurgia de dor de cabeça antes de serem submetidos a desativação do gatilho de dor. A distribuição anatômica da dor foi descrita em cada esquema utilizando 24 características para interpretação pelo algoritmo e a melhora percentual no Índice de Cefaleia da Enxaqueca foi calculada pelo menos 3 meses após a cirurgia para medir o resultado cirúrgico e, para determinar o desempenho do algoritmo, as previsões de IA foram comparadas com a previsão clínica do resultado cirúrgico. Descobriram que, em comparação com avaliadores clínicos treinados, o algoritmo era mais preciso, 94 %, em relação a dor difusa, dor facial e dor no vértice identificadas por IA como preditores de mau resultado cirúrgico com os autores escrevendo que “algoritmos IA podem ser usados para interpretar esquemas de dor e correlacionar padrões com resultados cirúrgicos”.
A pesquisa indica que análise algorítmica é capaz de correlacionar padrões de dor esquematizados pelos pacientes com melhora do Índice de Cefaleia Enxaqueca, no entanto, os pesquisadores avaliam que mais estudos em dados maiores e inclusão de outras variáveis de triagem clínica necessitam para melhorar previsões de resultados em cirurgia de cefaleia e aplicar a ferramenta na prática clínica. A cirurgia de desativação do gatilho para dores de cabeça evoluiu como opção de tratamento à pacientes com formas refratárias de enxaqueca sendo que seleção de candidatos cirúrgicos adequados e aconselhamento pré-operatório têm impacto profundo nos resultados clínicos, no sucesso do tratamento e satisfação do paciente após cirurgia de cefaleia. Em outras síndromes de dor crônica, a identificação de candidatos cirúrgicos que se beneficiarão de intervenção é complexa e requer experiência com a população de pacientes e, para simplificar o processo de triagem e ajudar os médicos menos experientes, os autores desenvolveram estrutura que usa IA para prever resultados cirúrgicos.O termo inteligência artificial descreve infinidade de métodos e técnicas, incluindo regras de associação, abordagem intuitiva usada na maioria das aplicações de IA relacionadas à assistência médica, como análise de resultados de testes, interpretação de imagens radiológicas e análise de registros eletrônicos de saúde. . O conjunto de regras de associação é usado em IA visando elucidar relacionamentos entre variáveis independentes no cenário de bancos de dados estruturados e em aplicativo relacionado à saúde, cientistas descreveram o uso de seleção de regra de associação para auxiliar no diagnóstico de doença cardíaca, relatando que a dor no peito e um eletrocardiograma de repouso normal era um preditor mais forte de doença cardíaca em mulheres que em homens. Evidências mostram que esquemas de dor do paciente analisados por médicos experientes preveem resultados ruins na cirurgia de liberação do local de gatilho para cefaleias, tornando esquemas de dor, componente importante do algoritmo de seleção do paciente complementando a história clínica/física completa exame, imagem e outros auxiliares, como ultrassom Doppler e bloqueios nervosos diagnósticos. O estudo teve como objetivo simplificar o processo de triagem de esquemas de dor para cirurgiões menos experientes, clínicos gerais e pacientes, automatizando o processo de reconhecimento de padrões de esquemas de dor, aproveitando IA, sendo que o objetivo foi desenvolver e validar estrutura de aprendizado de máquina capaz de interpretar esquemas de dor e auxiliar na previsão dos resultados da cirurgia de cefaleia. Em resumo, a IA previu com sucesso a resposta à cirurgia de desativação do local do gatilho através da interpretação de esboços de dor desenhados pelo paciente e foram identificadas causas de má resposta à cirurgia, dor difusa, dor facial e dor no vértice, validando resultados publicados em estudos anteriores. Algoritmos de IA podem ser usados para interpretar esquemas de dor de pacientes e correlacionar padrões com resultados cirúrgicos em conjunto com variáveis de triagem importantes permitindo que médicos determinem a candidatura à cirurgia.
Moral da Nota: surge ferramenta de IA para ajudar médicos combater tumores cerebrais agressivos, identificando características cruciais que orientam a cirurgia, embora a precisão da ferramenta não corresponda à dos testes genéticos atuais, pode prever rapidamente o perfil de um tumor. A Máquina de Avaliação e Revisão de Histopatologia da Cryosection, Charm, é ferramenta avançada que analisa imagens com eficiência identificando o perfil genético de gliomas, tipo de tumor cerebral agressivo, sendo que esse processo atualmente leva dias ou semanas e, o principal autor do relatório, explicou que os cirurgiões contam com diagnósticos detalhados à orientar suas operações. Essa análise rápida permite que médicos prossigam com o tratamento sem necessidade de realizar cirurgias adicionais, economizando tempo, além disso, o Charm distingue entre células tumorais malignas e benignas e determina o grau do tumor, indicando seu nível de agressividade, avaliações, que patologistas humanos normalmente realizam na cirurgia, no entanto, o Charm poderia eliminar a necessidade de espera de 15 minutos durante a cirurgia. Os cientistas treinaram um algoritmo de aprendizado de máquina usando imagens de amostras de cirurgia cerebral e validaram a precisão com diagnósticos de pacientes e o Charm teve desempenho melhor na identificação de perfis genéticos de tumores que outros sistemas de IA. Editorial publicado em junho na Lancet Oncology, indica que recursos de sistemas específicos foram destacados por sua identificação precisa de indivíduos com risco elevado de câncer de pâncreas, pulmão e mama.