Algoritmo identifica risco de transtorno bipolar em imagens cerebrais

Vilma Homero

Divulgação / UFF

Na tela do computador, Letícia de Oliveira mostra as diferenças         nos cérebros com maior e menor risco de transtorno bipolar

Um algoritmo computacional foi capaz de ajudar a identificar, em imagens de ressonância magnética de adolescentes saudáveis, aqueles que apresentavam maior risco de desenvolver sintomas de transtorno bipolar. A experiência, realizada na Kings College London, na Inglaterra, sob coordenação da professora Letícia de Oliveira, do Departamento de Fisiologia e Farmacologia do Instituto Biomédico, da Universidade Federal Fluminense (UFF), e da pesquisadora Janaína Mourão-Miranda, foi tema de artigo recente publicado na revista Public Library of Science, a prestigiada PloS One. Foi também o ponto de partida para que Oliveira, de volta ao Brasil, dê continuidade ao trabalho na UFF, agora procurando entender como o cérebro funciona em resposta a imagens de violência.

Mas o que é um algoritmo computacional? "Um algoritmo é uma sequência finita de operações básicas cuja execução resolve um problema computacional. O algoritmo neste trabalho foi associado à metodologia de reconhecimento de padrões (pattern recognition), que serve para classificar objetos com base em suas características", explica Letícia, Jovem Cientista do Nosso Estado, da FAPERJ, atualmente empenhada no projeto Circuitos neurais da regulação da emoção: um estudo em ressonância magnética funcional (RFM).

Algoritmos funcionais já foram empregados com sucesso em imagens de pacientes com doença de Alzheimer e em autistas. "A questão é que cérebros de pacientes com Alzheimer, por exemplo, se mostram bastante comprometidos, bem diferentes de cérebros saudáveis, o que facilita o reconhecimento. Agora, no entanto, a técnica foi usada pela primeira vez em indivíduos saudáveis e conseguiu ajudar a identificar os adolescentes com real risco de desenvolver sintomas de transtorno bipolar", anima-se a pesquisadora. Ela frisa que a detecção precoce é fundamental para dar início ao tratamento, que pode atrasar, amenizar ou até mesmo evitar o desenvolvimento da doença. Como esclarece a pesquisadora, algumas patologias mentais se manifestam no final da adolescência. "No caso do transtorno bipolar, o histórico familiar não é determinante, mas significa 10% de risco de desenvolver a doença. Nesse e em outros casos de doenças mentais, o diagnóstico precoce pode ser determinante para um bom prognóstico", enfatiza.

Na experiência feita, reuniu-se um grupo de adolescentes voluntários, entre os quais havia filhos de pais com transtorno bipolar e filhos de pais saudáveis. Numa primeira etapa, foi preciso "treinar" o algoritmo para identificar, nas imagens de ressonância magnética desses adolescentes – todos saudáveis à época do experimento –, aqueles que eram filhos de pais com a doença. "Fazendo uso da metodologia de reconhecimento de padrões, o algoritmo pôde identificar os padrões de atividade cerebral que distinguem os jovens, filhos de pacientes com a doença. Foi importante observar que isso foi feito com um grande índice de acerto, de 75%", esclarece.

Além da classificação, o algoritmo forneceu um valor numérico que representa a confiança do algoritmo em classificar cada indivíduo como filho de pais com transtorno ou filhos de pais saudáveis. Este valor é chamado pelos especialistas como probabilidade predita. Portanto, o programa, apontou determinado adolescente com, por exemplo, 80% de probabilidade de ser filho de pais com transtorno, enquanto outro jovem estaria na faixa dos 60%.

Divulgação / UFF

"Posteriormente, foi realizado o follow up dos adolescentes cujos pais tinham transtorno e observou-se que alguns deles realmente desenvolveram sintomas de ansiedade ou depressão. Interessantemente, as probabilidades preditas para estes adolescentes eram maiores do que para os adolescentes que não desenvolveram sintomas", comenta Letícia. Segundo a pesquisadora, esses resultados sugerem que a probabilidade predita poderia ser utilizada com um parâmetro de vulnerabilidade e esta metodologia poderia ser empregada no futuro para ajudar a identificar pacientes com risco de vários tipos de transtorno mental.

Na UFF, o trabalho vem ganhando continuidade, mas agora para ajudar os pesquisadores a compreenderem o funcionamento e as reações do cérebro diante de imagens de violência. O primeiro passo é treinar o algoritmo para avaliar as diferenças em ressonância magnética do funcionamento do cérebro diante de imagens neutras ou diante de imagens de violência. "Para isso, estamos contando com um grupo de voluntários saudáveis, a quem submetemos a vários tipos de imagens de violência". "Vimos que essa mesma metodologia pode ser empregada com sucesso em diversas áreas. Em uma análise preliminar, os resultados parecem bem interessantes, mas ainda precisamos analisar em profundidade e principalmente avaliar quais são os efeitos que a violência provoca no cérebro", destaca. Outro passo futuro será direcionar o uso do algoritmo para identificar potencial de risco de estresse pós-traumático. "Poderá ser um grande auxiliar no diagnóstico da patologia", conclui.