O EEG, um exame com mais de um século durante o qual uma dúzia ou mais de eléctrodos são ligados ao couro cabeludo para monitorizar a atividade cerebral, é frequentemente utilizado para detetar a epilepsia. Os seus resultados são interpretados por neurologistas e outros especialistas treinados para identificar padrões entre as ondas irregulares do teste.

Numa nova investigação publicada na revista Brain Communications, cientistas do Programa de Inteligência Artificial em Neurologia da  Mayo Clinic (NAIP) demonstram como a IA pode não só acelerar a análise, mas também alertar os especialistas que analisam os resultados dos testes para padrões anormais que são demasiado subtis para serem detetados pelos humanos. A tecnologia demonstra o potencial para um dia ajudar os médicos a distinguir entre as causas de problemas cognitivos como a doença de Alzheimer e a demência por corpos de Lewy. A investigação sugere que os EEGs, que estão mais amplamente disponíveis, são mais baratos e menos invasivos do que outros testes para avaliar a saúde do cérebro, podendo ser uma ferramenta mais acessível para ajudar os médicos a identificar precocemente os problemas cognitivos dos doentes.

"No EEG, há muita informação médica nessas ondas cerebrais sobre a saúde do cérebro", afirma o autor sénior, David T. Jones, neurologista e diretor do NAIP. "Sabe-se que estas ondas podem abrandar e ter um aspeto um pouco diferente em pessoas com problemas cognitivos. No nosso estudo, queríamos saber se podíamos medir e quantificar com precisão este tipo de abrandamento com a ajuda da IA".

Para desenvolver a ferramenta, os investigadores recolheram dados de mais de 11.000 pacientes que foram submetidos a EEGs na  Mayo Clinic ao longo de uma década. Utilizaram a aprendizagem automática e a IA para simplificar padrões complexos de ondas cerebrais em seis características específicas, ensinando o modelo a descartar automaticamente certos elementos, como dados que devem ser ignorados, a fim de se concentrar em padrões característicos de problemas cognitivos como a doença de Alzheimer.

"Foi notável a forma como a tecnologia ajudou a extrair rapidamente padrões de EEG em comparação com as medidas tradicionais de demência, como os testes cognitivos à cabeceira, os biomarcadores de fluidos e as imagens cerebrais", explica Wentao Li, coautor principal do artigo, que conduziu a investigação com o NAIP enquanto era residente em neurologia comportamental na Mayo Clinic.

"Atualmente, uma forma comum de quantificar padrões em dados médicos é através da opinião de especialistas. E como é que sabemos que esses padrões estão presentes? Porque um perito diz que eles estão lá", diz Jones. "Mas agora, com a IA e a aprendizagem automática, não só vemos coisas que os especialistas não conseguem ver, como também podemos quantificar com precisão aquilo que eles conseguem perceber."

A utilização do EEG para detetar problemas cognitivos não substituiria necessariamente outros tipos de exames, como a ressonância magnética ou a tomografia por emissão de positrões (PET). Mas, com o poder da IA, o EEG poderá um dia proporcionar aos profissionais de saúde uma ferramenta mais económica e acessível para o diagnóstico precoce em comunidades onde o acesso a clínicas especializadas ou a equipamento especializado é difícil, como nos meios rurais, segundo Jones.

"É muito importante detetar precocemente os problemas de memória, mesmo antes de serem óbvios", alerta Jones. "Ter o diagnóstico correto numa fase inicial ajuda-nos a proporcionar a perspetiva correcta e o melhor tratamento para o doente. Os métodos que estamos a analisar podem ser uma forma mais rentável de identificar pessoas com perda de memória ou demência precoce em comparação com os testes actuais, como a análise do líquido cefalorraquidiano, testes de glicose cerebral ou testes de memória."

Segundo Jones, são necessários mais alguns anos de investigação para continuar a testar e validar as ferramentas. No entanto, afirma que a investigação demonstra que existem formas de utilizar os dados clínicos para incorporar novas ferramentas no fluxo de trabalho clínico, de modo a atingir o objetivo dos investigadores de introduzir novos modelos e inovações na prática clínica, melhorar as capacidades das avaliações existentes e expandir estes conhecimentos para fora da Mayo Clinic.

"Este trabalho exemplifica o trabalho de equipa multidisciplinar para fazer avançar a investigação translacional de base tecnológica no domínio da saúde", afirma Yoga Varatharajah, coautor principal do artigo e colaborador de investigação do NAIP quando o trabalho foi concluído.