Pesquisadores da Kobe University desenvolveram um sistema de inteligência artificial que pode identificar uma doença endócrina rara apenas analisando fotos do dorso da mão e do punho fechado. A abordagem evita imagens faciais, ajudando a proteger a privacidade dos pacientes enquanto ainda atinge alta precisão diagnóstica.
A doença que a IA detecta é a acromegalia, uma condição incomum que geralmente aparece na meia-idade. É causada pela produção excessiva de hormônio do crescimento, que leva ao aumento das mãos e pés, mudanças na aparência facial e crescimento anormal de ossos e órgãos internos. Como o distúrbio se desenvolve gradualmente ao longo de muitos anos, pode ser difícil de reconhecer precocemente.
Se não for tratada, a acromegalia pode levar a problemas de saúde graves e reduzir a expectativa de vida em cerca de 10 anos. “Como a condição progride tão lentamente, e por ser uma doença rara, não é incomum levar até uma década para ser diagnosticada”, diz o endocrinologista da Kobe University, Hidenori Fukuoka.
Ao revisar estudos existentes de IA, a equipe de pesquisa descobriu que muitos sistemas dependem de fotos faciais para identificar a doença. No entanto, o reconhecimento facial pode levantar preocupações de privacidade. Para abordar esta questão, os cientistas escolheram uma estratégia diferente.
“Tentando lidar com esta preocupação, decidimos focar nas mãos, uma parte do corpo que rotineiramente examinamos juntamente com o rosto na prática clínica para fins de diagnóstico, particularmente porque a acromegalia frequentemente manifesta mudanças nas mãos”, explica Yuka Ohmachi, estudante de pós-graduação da Kobe University.
Para fortalecer a proteção da privacidade, os pesquisadores limitaram as imagens ao dorso da mão e ao punho fechado. Eles evitaram intencionalmente imagens da palma da mão porque os padrões das linhas da palma são altamente individuais e poderiam revelar identidade. Esta abordagem cuidadosa ajudou a recrutar um grande número de participantes. No total, 725 pacientes de 15 instituições médicas em todo o Japão contribuíram com mais de 11.000 imagens usadas para treinar e testar o modelo de IA.
A equipe relatou seus resultados no Journal of Clinical Endocrinology & Metabolism. Seu modelo de IA demonstrou sensibilidade e especificidade muito altas ao identificar acromegalia a partir das imagens das mãos. Em comparações diretas, o sistema até teve um desempenho melhor do que endocrinologistas experientes que avaliaram as mesmas fotografias.
“Francamente, fiquei surpresa que a precisão diagnóstica atingiu um nível tão alto usando apenas fotografias do dorso da mão e do punho fechado. O que me chamou a atenção como particularmente significativo foi alcançar este nível de desempenho sem características faciais, o que torna esta abordagem muito mais prática para triagem de doenças”, diz Ohmachi.
Os pesquisadores agora esperam adaptar seu sistema para detectar outras condições médicas que produzem mudanças visíveis nas mãos. Possíveis alvos incluem artrite reumatoide, anemia e baqueteamento digital. “Este resultado poderia ser o ponto de entrada para expandir o potencial da IA médica”, diz Ohmachi.
Em ambientes clínicos reais, os médicos dependem de muito mais do que imagens das mãos ao diagnosticar pacientes. Histórico médico, exames laboratoriais e exames físicos têm papéis importantes. Os pesquisadores da Kobe University veem sua ferramenta de IA como algo que pode auxiliar os médicos, e não substituí-los. Eles descrevem a tecnologia como uma forma de “complementar a experiência clínica, reduzir falhas de diagnóstico e permitir intervenção mais precoce”.
“Acreditamos que, ao desenvolver ainda mais esta tecnologia, ela pode levar à criação de uma infraestrutura médica durante check-ups de saúde abrangentes para conectar casos suspeitos de distúrbios relacionados às mãos a especialistas. Além disso, poderia apoiar médicos não especialistas em ambientes regionais de saúde, contribuindo assim para uma redução das disparidades de saúde lá”, diz Fukuoka, líder do estudo.
A pesquisa recebeu financiamento da Hyogo Foundation for Science Technology. O projeto também envolveu colaboradores da Fukuoka University, Hyogo Medical University, Nagoya University, Hiroshima University, Toranomon Hospital, Nippon Medical School, Kagoshima University, Tottori University, Yamagata University, Okayama University, Hyogo Prefectural Kakogawa Medical Center, Hokkaido University, International University of Health and Welfare, Moriyama Memorial Hospital e Konan Women’s University.
