Paciente conversa com IA sobre o próprio EEG e ajuda a reduzir alarmes falsos de epilepsia

Pesquisadores da Universidade da Pensilvânia, nos Estados Unidos, publicaram na revista Nature Medicine um estudo em que pacientes com epilepsia conversaram, pelo celular, com uma inteligência artificial ligada ao seu próprio eletroencefalograma (EEG). O retorno dos pacientes serviu para ajustar o detector de crises e, segundo o trabalho, reduziu em cerca de 80% os alarmes falsos. O número vem de uma simulação, não de uso clínico real, e o estudo é pequeno.

O que os pesquisadores fizeram

O trabalho foi coordenado por Brian Litt, professor de neurologia e bioengenharia da Penn, e tem Zack Goldblum e Haoer Shi como primeiros autores. Foi financiado em parte pelos Institutos Nacionais de Saúde dos EUA (NIH), que também divulgaram o resultado.

Participaram 13 adultos internados na unidade de monitoramento de epilepsia do Hospital da Universidade da Pensilvânia, onde ficaram vários dias com EEG contínuo. Cada um usou um aplicativo de celular que enviava alertas, perguntas e notificações construídos a partir dos sinais cerebrais. Os pacientes também podiam perguntar à IA sobre os próprios dados, por exemplo se houve crises durante o sono.

Esse assistente conversacional é um modelo de linguagem com salvaguardas, ligado ao sistema que analisa o EEG. Quando o detector marcava uma possível crise, o paciente podia classificar o alerta como verdadeiro, falso ou incerto. Essa resposta alimentava o ajuste do modelo de detecção.

Os números do estudo

• Pacientes e IA trocaram mais de 1.300 mensagens.
• A IA respondeu com informação correta e relevante a mais de 92% das perguntas sobre atividade cerebral.
• Os participantes classificaram mais de 67% das detecções de crise em tempo real.
• O retorno dos pacientes reduziu a taxa de alarmes falsos do detector em cerca de 80%. O feedback de especialistas acrescentou mais 2% de redução.

O resumo do artigo explica que a melhora de precisão foi medida em uma simulação "pseudoprospectiva", ou seja, aplicada depois sobre os dados coletados, e não em um teste ao vivo com mudança de conduta clínica.

Limitações que importam

O estudo é de prova de conceito, com 13 pessoas, em um único hospital e dentro da unidade de monitoramento, não na casa do paciente. Os próprios autores tratam os resultados como promissores, mas dependentes de validação maior. Também não está claro, nos resumos públicos, como exatamente a "precisão" das respostas da IA foi avaliada.

Outra ressalva: um detector que aprende com a opinião de pacientes depende de eles rotularem corretamente os alarmes. Pessoas em recuperação de uma crise nem sempre lembram do que aconteceu, o que explica por que parte das classificações é "incerta".

O que muda na prática

Hoje, o EEG de longa duração costuma ser interpretado por especialistas, e o paciente fica de fora da conversa. A proposta da equipe é inverter essa lógica: o dispositivo explica o que está medindo e aprende com quem convive com a doença. Segundo Goldblum, vários pacientes pediram, por conta própria, para levar o sistema para casa.

Para o Brasil, não há nada disponível nem previsão de uso. O interesse do trabalho é mostrar um desenho possível para dispositivos médicos que conversam com o paciente, um tema que deve se repetir em outras doenças crônicas.

O que vem a seguir

A equipe planeja estudos maiores fora do hospital e já se prepara para aplicar a plataforma a dispositivos de estimulação cerebral profunda usados no Parkinson. Antes de qualquer uso rotineiro, será preciso mostrar, com mais pacientes e acompanhamento ao vivo, que a redução de alarmes falsos se confirma sem deixar crises reais passarem despercebidas.