Inteligência artificial amplia possibilidades de detecção precoce da doença hepática gordurosa
A doença hepática gordurosa, condição caracterizada pelo acúmulo excessivo de gordura no fígado, já afeta mais de um bilhão de pessoas em todo o mundo e pode evoluir silenciosamente para quadros graves como cirrose e câncer de fígado. Diante desse cenário, pesquisadores de diferentes países têm investido no uso de ferramentas de inteligência artificial para identificar a doença em fases iniciais, quando as chances de intervenção eficaz são significativamente maiores.
Um dos grandes desafios dessa condição é justamente a ausência de sintomas nas primeiras etapas. Muitas pessoas convivem com o acúmulo de gordura no fígado sem apresentar qualquer manifestação clínica perceptível. Quando o diagnóstico acontece de forma tardia, o quadro pode ter avançado para inflamação crônica, fibrose e até mesmo carcinoma hepatocelular, o tipo mais comum de câncer primário do fígado. Por esse motivo, estratégias de rastreamento populacional baseadas em exames amplamente disponíveis têm ganhado relevância na comunidade científica.
Uma das abordagens mais promissoras vem sendo desenvolvida por pesquisadores da Universidade Metropolitana de Osaka, no Japão. O grupo liderado pela professora associada Sawako Uchida-Kobayashi publicou na revista Radiology: Cardiothoracic Imaging um estudo que demonstra a viabilidade de utilizar radiografias convencionais de tórax — exames simples, baratos e amplamente acessíveis — para identificar sinais da doença hepática gordurosa. Como esses exames de rotina já incluem a porção superior do fígado, a aplicação de modelos de inteligência artificial sobre essas imagens pode ampliar consideravelmente a capacidade de detecção precoce, sem a necessidade de métodos mais sofisticados como tomografia computadorizada, ultrassonografia ou ressonância magnética.
A equipe destaca que o desenvolvimento de métodos diagnósticos baseados em exames de fácil obtenção e baixo custo tem potencial para transformar o cenário de identificação da doença. A expectativa dos pesquisadores é que, no futuro, esse tipo de abordagem possa ser incorporado à prática clínica, especialmente em contextos onde o acesso a tecnologias de imagem mais avançadas é limitado. A leitura automatizada das radiografias por sistemas de inteligência artificial pode funcionar como uma espécie de triagem silenciosa, flagrando alterações hepáticas em pacientes que realizam o exame por outros motivos.
Além da iniciativa japonesa, outras frentes de pesquisa também avançam no uso da inteligência artificial para diagnóstico de doenças hepáticas. Estudos publicados em periódicos científicos como Nature Scientific Reports e Frontiers in Medicine descrevem a aplicação de modelos de aprendizado profundo, incluindo arquiteturas como a YOLOv5, para detectar e classificar lesões hepáticas focais em imagens de ultrassonografia. Esses sistemas conseguem diferenciar nódulos benignos de lesões malignas, além de identificar esteatose hepática e sinais de fibrose com níveis de acurácia considerados promissores.
Outra linha de investigação envolve testes sanguíneos baseados em inteligência artificial. A tecnologia conhecida como DELFI, desenvolvida por pesquisadores da Universidade Johns Hopkins, analisa milhões de fragmentos de DNA circulante no sangue para identificar padrões associados ao câncer de fígado. Em estudos clínicos, o método apresentou sensibilidade de 88% e especificidade de 98% na detecção precoce da doença em pessoas com risco médio, resultados que reforçam o potencial da inteligência artificial como ferramenta complementar de rastreamento oncológico hepático.
No campo da ultrassonografia abdominal, revisões sistemáticas publicadas na literatura médica apontam que modelos de aprendizado de máquina são capazes de quantificar a gordura hepática e diferenciar tecidos normais, esteatósicos e cancerígenos com elevada precisão. Técnicas como regressão logística e máquinas de vetores de suporte vêm sendo aplicadas a características extraídas de imagens, alcançando índices de acurácia superiores a 95% em determinados contextos experimentais.
O conjunto dessas iniciativas evidencia uma mudança de paradigma na forma como doenças hepáticas podem ser diagnosticadas. Ao combinar algoritmos de reconhecimento de padrões com modalidades de exame já consolidadas na prática médica, a inteligência artificial amplia o alcance do diagnóstico precoce e oferece caminhos concretos para reduzir a progressão silenciosa da doença hepática gordurosa para quadros clínicos irreversíveis. As pesquisas ainda estão em diferentes estágios de validação, mas os resultados acumulados até o momento reforçam a expectativa de que a detecção precoce possa salvar vidas ao permitir intervenções antes do desenvolvimento de complicações graves.
