Nova ferramenta de IA encontra lesões cerebrais ocultas que os médicos não percebem em crianças com epilepsia

Uma ferramenta de inteligência artificial capaz de detectar pequenas malformações¹ cerebrais difíceis de detectar em crianças com epilepsia² pode ajudar pacientes a acessar mais rapidamente cirurgias que podem mudar suas vidas, disseram pesquisadores australianos.

Este é o exemplo mais recente de como a IA, capaz de processar grandes quantidades de dados, está mudando a área da saúde³ ao auxiliar médicos com diagnósticos.

A epilepsia² tem diversas causas e, no geral, cerca de três em cada 10 casos são causados por anormalidades estruturais no cérebro⁴, segundo especialistas.

Essas anormalidades costumam passar despercebidas em exames de ressonância magnética⁵, especialmente as menores lesões⁶, às vezes escondidas na parte inferior de uma dobra cerebral.

Uma equipe liderada por Emma Macdonald-Laurs, neurologista⁷ pediátrica do Royal Children's Hospital em Melbourne, Austrália, treinou uma ferramenta de IA em imagens do cérebro⁴ de crianças para encontrar lesões⁶ do tamanho de um mirtilo ou menores.

“Elas frequentemente não são detectadas e muitas crianças não são consideradas candidatas à cirurgia”, disse Macdonald-Laurs em um comunicado antes da publicação do estudo de sua equipe na revista Epilepsia².

“A ferramenta não substitui radiologistas ou médicos especialistas em epilepsia², mas é como um detetive que nos ajuda a juntar as peças do quebra-cabeça⁸ mais rapidamente para que possamos oferecer uma cirurgia que pode mudar vidas”, disse ela.

Leia sobre "Epilepsias - o que são" e "Status epilepticus".

Dos pacientes que participaram do estudo, com condições conhecidas como displasia⁹ cortical e epilepsia² focal, 80% já haviam passado por uma ressonância magnética⁵ com resultado normal.

Quando os pesquisadores usaram a ferramenta de IA para analisar a ressonância magnética⁵ e outro tipo de exame médico chamado PET, a taxa de sucesso foi de 94% para um grupo de teste e 75% para outro.

Das 17 crianças do primeiro grupo, 12 foram submetidas à cirurgia para remover as lesões⁶ cerebrais e 11 agora estão livres de convulsões, disse a equipe de Macdonald-Laurs no Instituto de Pesquisa Infantil Murdoch.

“Nossos próximos planos são testar este detector em mais ambientes hospitalares reais, em novos pacientes não diagnosticados”, disse ela.

A epilepsia², que causa convulsões recorrentes, afeta cerca de uma em cada 200 crianças, e cerca de um terço dos casos são resistentes a medicamentos.

“Este trabalho é realmente empolgante” como prova de conceito¹⁰ e os resultados são “realmente impressionantes”, disse Konrad Wagstyl, especialista em computação biomédica do King's College London (KCL).

Pesquisa semelhante publicada no início de 2025 por uma equipe do KCL, utilizando IA em dados de ressonância magnética⁵, identificou 64% das lesões⁶ cerebrais relacionadas à epilepsia² que não foram detectadas pelos radiologistas.

Os pesquisadores australianos usaram ressonância magnética⁵ com PET, “mas algumas ressalvas são que a PET é cara, não é tão amplamente disponível quanto a ressonância magnética⁵ e há uma dose de radiação associada a ela, como uma tomografia computadorizada¹¹ ou um raio-X”, observou Wagstyl.

No artigo publicado, os pesquisadores descrevem a detecção automatizada de displasia⁹ cortical focal (DCF) do fundo do sulco por ressonância magnética⁵ e tomografia por emissão de pósitrons em pacientes com epilepsia² focal resistente a medicamentos.

Eles relatam que a DCF do fundo do sulco é um subtipo de DCF desafiador em termos de diagnóstico¹², com 60% dos casos não sendo detectados na ressonância magnética⁵ (RM). Métodos automatizados de detecção baseados em RM foram desenvolvidos para displasia⁹ cortical focal, mas não especificamente para DCF do fundo do sulco, e poucos métodos incorporam a tomografia por emissão de pósitrons com fluorodesoxiglicose (PET-FDG) juntamente com recursos de RM. Foi relatado então o desenvolvimento e o desempenho de um detector automatizado de DCF do fundo do sulco utilizando RM + PET combinados.

O conjunto de treinamento incluiu 54 pacientes com epilepsia² focal e DCF do fundo do sulco. Os conjuntos de teste incluíram 17 pacientes com DCF do fundo do sulco posteriormente diagnosticados do mesmo centro e 12 pacientes publicados de um centro diferente.

Entre os conjuntos de treinamento e teste, 81% dos pacientes apresentaram ressonâncias magnéticas iniciais normais e a maioria das DCF do fundo do sulco foi <1,5 cm³. No conjunto de treinamento, 12 características obtidas da ressonância magnética⁵ ponderada em T1, da ressonância magnética⁵ com recuperação de inversão atenuada por fluidos e da PET-FDG foram avaliadas para determinar quais características melhor distinguiam o córtex displásico do córtex de aparência normal.

Utilizando o método de detecção por aprendizado de máquina do grupo Multi-centre Epilepsy Lesion Detection com a adição do PET-FDG, classificadores de rede neural foram então treinados e testados em características de ressonância magnética⁵ + PET, apenas ressonância magnética⁵ e apenas PET. Foi determinada a proporção de pacientes cuja DCF do fundo do sulco foi sobreposta pelo cluster de saída principal e pelos cinco clusters de saída principais.

O hipometabolismo cortical e subcortical na PET-FDG foi superior na discriminação do córtex displásico do córtex de aparência normal em comparação com as características de ressonância magnética⁵. Quando o detector de DCF do fundo do sulco foi treinado com base em características de RM + PET, 87% das DCF do fundo do sulco foram sobrepostas por um dos cinco clusters principais (69% pelo cluster superior) no conjunto de treinamento, 94% no conjunto de teste prospectivo¹³ (88% pelo cluster superior) e 75% no conjunto de teste publicado (58% pelo cluster superior).

A sobreposição de clusters foi geralmente menor quando o detector foi treinado e testado com base em características apenas de PET ou apenas de RM.

A detecção de DCF do fundo do sulco é possível utilizando métodos de detecção automatizados baseados em RM, complementados com características de PET-FDG e treinados em uma coorte¹⁴ específica de DCF do fundo do sulco.

Em pacientes clinicamente adequados com RM aparentemente negativa, o detector pode sugerir regiões de RM para examinar em busca de possível DCF do fundo do sulco.