Novo estudo mostra como o aprendizado de máquina pode melhorar o atendimento a pessoas com síndrome de Rett

Jan 19, 2024

1º de março de 2023

Na última década, houve um aumento no uso de dispositivos vestíveis de nível médico e de consumo que medem a fisiologia de um indivíduo. A capacidade de monitorar nossas próprias atividades e saúde está mais acessível do que nunca. Embora a aplicação desses dispositivos na pesquisa biomédica tenha sido amplamente restrita à cardiologia, um novo estudo demonstra como o uso de um adesivo eletrônico no peito combinado com avanços em aprendizado de máquina e inteligência artificial pode ajudar no desenvolvimento de novos tratamentos para a síndrome de Rett, bem como uma série de outras condições de saúde.

Publicado no PLOS One, Gari Clifford, DPhil, e sua equipe de pesquisa na Emory University e no Georgia Institute of Technology usaram o patch MC10 Biostamp para analisar o movimento e a atividade cardíaca de pessoas que vivem com a síndrome de Rett.

A síndrome de Rett é um raro distúrbio genético do neurodesenvolvimento caracterizado por deficiências graves, afetando a capacidade de uma pessoa de falar, andar, comer e respirar normalmente. Atualmente, não há cura para a síndrome de Rett e falta a capacidade de detectar padrões objetivos de sintomas e progressão da doença diretamente nos pacientes.

Durante o período do estudo, o adesivo vestível monitorou a atividade cardíaca e o movimento dos participantes do estudo. Os dados coletados durante um período contínuo de 48 horas foram usados ​​para desenvolver um algoritmo de aprendizado de máquina, que identificou padrões de fisiologia e movimento específicos para a gravidade da síndrome de Rett. Em particular, Clifford e sua equipe encontraram três padrões específicos no movimento e na frequência cardíaca (e como eles se influenciam mutuamente) que lhes permitiram diferenciar com precisão indivíduos com sintomas de alta e baixa gravidade.

Isso resultou em um sistema que tem o potencial de classificar objetivamente a gravidade dos sintomas em toda a população com base em seu movimento e atividade cardíaca. Esses dados têm grandes implicações nos esforços para melhorar as opções terapêuticas para pessoas que vivem com a síndrome de Rett em futuros ensaios clínicos.

As opções atuais para medir o efeito de um tratamento dependem de questionários preenchidos por médicos ou pais. Uma medida fisiológica derivada da atividade cardíaca e do movimento que corresponda à gravidade geral de um paciente pode ser um biomarcador importante que indica se um tratamento pode ou não ajudar com outros sintomas, como comunicação e mobilidade, posteriormente.

"Este algoritmo fornece uma métrica objetiva que pode ser usada para avaliar automaticamente o efeito de um medicamento ou outra intervenção nos sintomas experimentados por um portador da síndrome de Rett", diz Clifford. "Estamos entusiasmados com o fato de que esses biomarcadores possam permitir um tratamento mais personalizado e eficaz nessa população e talvez em outras".

O Rett Syndrome Research Trust (RSRT), a principal organização sem fins lucrativos dedicada a encontrar uma cura para a síndrome de Rett, está patrocinando a pesquisa e fornecendo financiamento adicional para Clifford e sua equipe continuarem validando o trabalho em uma população maior.

"Os resultados deste estudo inicial excederam nossas expectativas e demonstram claramente que medidas diretas e objetivas dos sintomas dos pacientes não são apenas possíveis, mas sensíveis o suficiente para distinguir a gravidade dos sintomas, mesmo com um pequeno número de pacientes", disse a diretora científica da RSRT, Jana von Hehn, PhD. "Este trabalho tem o potencial de encurtar os prazos dos ensaios clínicos com avaliação mais sensível dos efeitos do tratamento e menos pacientes. Estamos muito entusiasmados em continuar este importante trabalho com o Dr. Clifford e sua equipe de especialistas."

O uso de inteligência artificial e aprendizado de máquina ganhou atenção crescente nos cuidados clínicos nos últimos anos por sua capacidade de melhorar o diagnóstico e o tratamento de muitas doenças. Esta é a primeira vez que o aprendizado de máquina foi aplicado a pessoas com síndrome de Rett, mas Clifford vê uma oportunidade de aplicar esse modelo a outras populações, como pessoas com autismo.