.
Um programa de computador de inteligência artificial que processa imagens de ressonância magnética (MRI) pode identificar com precisão as mudanças na estrutura do cérebro que resultam de lesões na cabeça repetidas, mostra um novo estudo em estudantes atletas. Essas variações não foram capturadas por outras imagens médicas tradicionais, como tomografias computadorizadas (TC). A nova tecnologia, dizem os pesquisadores, pode ajudar a projetar novas ferramentas de diagnóstico para entender melhor as lesões cerebrais sutis que se acumulam com o tempo.
Os especialistas sabem há muito tempo sobre os riscos potenciais de concussão entre os atletas jovens, principalmente para aqueles que praticam esportes de alto contato, como futebol, hóquei e futebol. Há evidências crescentes de que impactos repetidos na cabeça, mesmo que inicialmente pareçam leves, podem se acumular ao longo de muitos anos e levar à perda cognitiva. Enquanto a ressonância magnética avançada identifica mudanças microscópicas na estrutura cerebral que resultam de traumatismo craniano, os pesquisadores dizem que as varreduras produzem grandes quantidades de dados que são difíceis de navegar.
Liderado por pesquisadores do Departamento de Radiologia da NYU Grossman School of Medicine, o novo estudo mostrou pela primeira vez que a nova ferramenta, usando uma técnica de IA chamada aprendizado de máquina, poderia distinguir com precisão entre os cérebros de atletas do sexo masculino que praticavam esportes de contato como futebol versus esportes sem contato, como atletismo. Os resultados relacionaram impactos repetidos na cabeça com pequenas mudanças estruturais nos cérebros de atletas de esportes de contato que não haviam sido diagnosticados com concussão.
“Nossas descobertas revelam diferenças significativas entre os cérebros de atletas que praticam esportes de contato em comparação com aqueles que competem em esportes sem contato”, disse a autora sênior do estudo e neurorradiologista Yvonne Lui, MD. “Como esperamos que esses grupos tenham estrutura cerebral semelhante, esses resultados sugerem que pode haver um risco na escolha de um esporte em detrimento de outro”, acrescenta Lui, professor e vice-presidente de pesquisa do Departamento de Radiologia da NYU Langone Health.
Lui acrescenta que, além de detectar possíveis danos, a técnica de aprendizado de máquina usada em sua investigação também pode ajudar os especialistas a entender melhor os mecanismos subjacentes por trás da lesão cerebral.
O novo estudo, publicado online em 22 de maio na Jornal de Neurorradiologia, envolveu centenas de imagens cerebrais de 36 atletas universitários de esportes de contato (principalmente jogadores de futebol) e 45 atletas universitários de esportes sem contato (principalmente corredores e jogadores de beisebol). O trabalho pretendia vincular claramente as mudanças detectadas pela ferramenta de IA nas varreduras cerebrais de jogadores de futebol aos impactos na cabeça. Ele se baseia em um estudo anterior que identificou diferenças na estrutura cerebral em jogadores de futebol, comparando aqueles com e sem concussões com atletas que competiram em esportes sem contato.
Para a investigação, os pesquisadores analisaram exames de ressonância magnética de 81 atletas do sexo masculino feitos entre 2016 e 2018, nenhum dos quais com diagnóstico conhecido de concussão nesse período. Atletas de esportes de contato jogaram futebol, lacrosse e futebol, enquanto atletas de esportes sem contato participaram de beisebol, basquete, atletismo e cross-country.
Como parte de sua análise, a equipe de pesquisa desenvolveu técnicas estatísticas que deram ao seu programa de computador a capacidade de “aprender” como prever a exposição a repetidos impactos na cabeça usando modelos matemáticos. Eles foram baseados em exemplos de dados inseridos neles, com o programa ficando “mais inteligente” à medida que a quantidade de dados de treinamento crescia.
A equipe do estudo treinou o programa para identificar características incomuns no tecido cerebral e distinguir entre atletas com e sem exposição repetida a ferimentos na cabeça com base nesses fatores. Eles também classificaram a utilidade de cada recurso para detectar danos para ajudar a descobrir quais das muitas métricas de ressonância magnética podem contribuir mais para os diagnósticos.
Duas métricas sinalizaram com mais precisão as mudanças estruturais resultantes de ferimentos na cabeça, dizem os autores. A primeira, a difusividade média, mede a facilidade com que a água pode se mover através do tecido cerebral e é frequentemente usada para detectar derrames em exames de ressonância magnética. A segunda, a curtose média, examina a complexidade da estrutura do tecido cerebral e pode indicar mudanças nas partes do cérebro envolvidas no aprendizado, memória e emoções.
“Nossos resultados destacam o poder da inteligência artificial para nos ajudar a ver coisas que não podíamos ver antes, particularmente ‘lesões invisíveis’ que não aparecem em exames de ressonância magnética convencionais”, disse o principal autor do estudo Junbo Chen, MS, candidato a doutorado na Escola de Engenharia Tandon da NYU. “Este método pode fornecer uma importante ferramenta de diagnóstico não apenas para concussão, mas também para detectar danos decorrentes de impactos na cabeça mais sutis e frequentes”.
Chen acrescenta que a equipe de estudo planeja explorar o uso de sua técnica de aprendizado de máquina para examinar ferimentos na cabeça em atletas do sexo feminino.
Financiamento para o estudo foi fornecido pelo National Institute of Health concede P41EB017183 e C63000NYUPG118117. Financiamento adicional foi fornecido pelo Departamento de Defesa conceder W81XWH2010699.
Além de Lui e Chen, outros pesquisadores da NYU envolvidos no estudo foram Sohae Chung, PhD; Tiannhão Li, MS; Els Fieremans, PhD; Dmitry Novikov, PhD; e Yao Wang, PhD.
.
