Cientistas Sul-Coreanos Desenvolveram uma Ferramenta de Inteligência Artificial com Fotografia da Retina para a Triagem de TEA

Os cientistas utilizaram Algoritmo de Aprendizado Profundo, usando fotos das retinas de 958 crianças e adolescentes e combinaram esse banco de imagens com os resultados dos testes de sintomas de TEA - Transtorno do Espectro Autista. Depois da conclusão, o modelo de IA - Inteligência Artificial - teve 100% de precisão no rastreio dos pacientes com TEA. As descobertas sugerem que as imagens da retina podem fornecer informações adicionais sobre a gravidade dos sintomas do TEA.

Na parte posterior do olho, a retina e o nervo óptico se conectam ao disco óptico. A estrutura é uma extensão do sistema nervoso central, sendo uma janela para o cérebro. A partir disso, os cientistas começaram a acessar, de forma fácil e não invasiva, essa parte do corpo para obter informações importantes relacionadas ao cérebro.

Recentemente, pesquisadores do Reino Unido criaram um meio não invasivo de diagnosticar rapidamente uma concussão, iluminando a retina com um laser seguro para os olhos. Agora, pesquisadores da Faculdade de Medicina da Universidade Yonsei, em Seoul, na Coreia do Sul, desenvolveram um método para rastrear o TEA com fotografias da retina, examinadas por um algoritmo de IA.

Os pesquisadores recrutaram 958 participantes com idade média de 7,8 anos e fotografaram suas retinas, resultando em um total de 1.890 imagens. Metade dos participantes foi diagnosticada com TEA e metade eram controles de mesma idade e gênero. A gravidade dos sintomas de TEA foi avaliada, utilizando pontuações calibradas pela ADOS-2 - Escala de Observação de Diagnóstico de Autismo - Segunda Edição (nota de corte 8) e pontuações da SRS-2 - Escala de Responsividade Social - Segunda Edição (nota de corte 76).

Uma Rede Neural Convolucional, que é um Algoritmo de Aprendizado Profundo, foi treinada usando 85% das imagens da retina e pontuações de testes de gravidade dos sintomas para construir modelos para rastrear o TEA e a gravidade dos sintomas. Os 15% restantes das imagens foram retidos para teste.

“Nossos modelos tiveram desempenho promissor na diferenciação entre pessoas com TEA e DT – crianças/adolescentes com desenvolvimento típico - usando fotografias da retina, o que implica que as alterações retinianas no TEA podem ter valor potencial como biomarcadores”, comentaram os cientistas.

“Nossas descobertas sugerem que as fotografias da retina podem fornecer informações adicionais sobre a gravidade dos sintomas”, disseram os pesquisadores. “Observamos que a classificação viável era alcançável apenas para pontuações ADOS-2 e não para pontuações SRS-2. Isso pode ocorrer porque o ADOS-2 é conduzido por um profissional treinado e com tempo suficiente para avaliação, enquanto o SRS-2 normalmente é respondido por um cuidador em alguns minutos. Assim, o primeiro refletiria o estado de gravidade de uma pessoa com mais precisão do que o último.”

Os participantes do estudo tinham de 4 a 18 anos de idade. Com base nas descobertas, os cientistas dizem que o modelo baseado em IA poderia ser usado como uma ferramenta de triagem objetiva a partir dos 4 anos de idade, já que a retina do recém-nascido continua a crescer até essa idade. São necessárias mais pesquisas para determinar se a ferramenta seria precisa para participantes mais jovens.

Limitações

Este estudo teve várias limitações. Primeiro, usamos um conjunto de dados unicêntrico, o que pode limitar a generalização de nossas descobertas. No entanto, isso nos permitiu confirmar o potencial das fotografias da retina como candidatas viáveis para ferramentas de triagem para o TEA, controlando a variabilidade esperada devido às configurações da foto da retina. Estudos futuros que utilizem conjuntos de dados multicêntricos seriam benéficos. Em segundo lugar, as fotografias da retina podem não ser suficientes para rastrear a gravidade dos sintomas pois só podem avaliar alterações da retina num espaço bidimensional, entretanto a retina é uma estrutura tridimensional com múltiplas camadas. Portanto, mais estudos, utilizando Tomografia de Coerência Óptica, são necessários. Terceiro, as reações aos medicamentos utilizados pelos participantes com TEA, que poderiam ter afetado a retina, não foram totalmente controladas. No entanto, não houve nenhuma evidência corroborante em relação às alterações secundárias na CFNR - Camada de Fibras Nervosas da Retina ou no disco óptico relacionadas à toxicidade de medicamentos antipsicóticos atípicos. Estudos futuros envolvendo pacientes com TEA sem medicação prévia são necessários para investigar essa relação. Quarto, a exclusão de condições médicas, neurológicas e psiquiátricas, concomitantes sugere que nossos modelos podem ser aplicados apenas a uma parcela de indivíduos com TEA na prática clínica, uma vez que há uma quantidade substancial de pessoas com TEA com condições coexistentes. No entanto, esta abordagem nos permitiu investigar a associação entre o TEA e a retina, ao mesmo tempo que mitigava a influência potencial dessas condições. Quinto, nossos modelos limitaram-se a diferenciar sujeitos com TEA e DT; o principal desafio continua a ser distinguir o TEA de uma infinidade de outros transtornos do neurodesenvolvimento ou psiquiátricos, o que justifica uma investigação mais aprofundada.

Conclusões

Este estudo diagnóstico examinou o potencial dos Algoritmos de Aprendizado Profundo para rastrear TEA e possivelmente a gravidade dos sintomas usando fotografias da retina. Nossos achados sugerem que a área do disco óptico é crucial para diferenciar indivíduos com TEA e DT. Embora estudos futuros sejam necessários para estabelecer a generalização, nosso estudo representa um passo notável no desenvolvimento de ferramentas objetivas de triagem do TEA, que podem ajudar a resolver questões urgentes, como a inacessibilidade a avaliações especializadas em psiquiatria infantil devido a recursos limitados.

FONTE: Faculdade de Medicina da Universidade Yonsei via Scimex.

Kim JH, Hong J, Choi H, et al. Development of Deep Ensembles to Screen for Autism and Symptom Severity Using Retinal Photographs. JAMA Netw Open. 2023;6(12).

https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2812964?utm_source=For_The_Media&utm_medium=referral&utm_campaign=ftm_links&utm_term=121523