Inteligência Artificial e o Autismo

De acordo com o estudo desenvolvido por pesquisadores do Instituto UC Davis MIND, situado no estado da Califórnia (EUA), e publicado na edição de janeiro (21) da revista Molecular Psychiatry, autoanticorpos produzidos pela mãe estão relacionados ao desenvolvimento do autismo na criança.

Os autoanticorpos são imunoglobulinas produzidas em resposta aos autoantígenos, como parte da imunidade adaptativa e resposta humoral às infecções e constituintes do próprio organismo, entretanto, a presença deles não significa, obrigatoriamente, que haja uma doença autoimune.

Nesse estudo, a equipe de pesquisadores, liderada pelo PhD e professor de reumatologia, alergia, e imunologia clínica, da Universidade da Califórnia, Judy Van de Water, buscou criar e validar um ensaio sorológico para identificar padrões de reatividade de autoanticorpos maternos específicos para o Transtorno do Espectro Autista (ASD – sigla do inglês), contra oito proteínas previamente identificadas (CRMP1, CRMP2, GDA, NSE, LDHA, LDHB, STIP1 e YBOX) e determinar a relação desses padrões de reatividade com a gravidade do resultado. Essas proteínas são expressas em grande quantidade durante o desenvolvimento do cérebro.  

Como amostras, foram utilizados nos experimentos o plasma de mães de crianças com diagnóstico de ASD e de crianças que não apresentavam o transtorno, para assim poderem desenvolver um teste ELISA para cada um dos antígenos proteicos.  Na etapa seguinte, o grupo de cientistas determinou os padrões de reatividade, tendo encontrado uma associação altamente significativa com a ASD.

Eles descobriram vários padrões específicos para a doença e que a reatividade materna de autoanticorpos, a uma das proteínas (CRMP1), aumenta significativamente as chances de uma criança ter uma elevada escala de observação para o diagnóstico de autismo (ADOS – sigla do inglês), que, segundo a Associação de Amigos do Autista (AMA), é uma avaliação semiestruturada da interação social, da comunicação, do brincar e do uso imaginativo de materiais para indivíduos suspeitos de terem algum transtorno do espectro do autismo (TEA).

De acordo com informações do estudo, a equipe tinha como um dos objetivos melhorar os resultados obtidos, em outros estudos, desenvolvendo um teste ELISA altamente preciso e específico e, a partir disso, avaliar a reatividade de autoanticorpos maternos contra as oito proteínas.  Para elevar a acurácia dos resultados, eles utilizaram técnicas de Machine Learning (ML) para identificar e avaliar a precisão dos padrões de reatividade aos oito autoantígenos. 

No artigo, os pesquisadores destacaram o fato de ser inédito o uso da ML como ferramenta para a identificação de um conjunto de biomarcadores que conseguem demonstrar, com total acurácia, uma associação entre os autoanticorpos maternos, que estão relacionados com a ASD (MAR-ASD – sigla do inglês). Para determinar essa associação, foram utilizados algoritmos de machine learning.

Neste estudo, o grupo de cientistas avaliou vários modelos preditivos, um baseado diretamente nos padrões encontrados nas análises, assim como diversos modelos multivariados, que se baseiam nas mais modernas abordagens de ML.

Essas ferramentas de ML foram aplicadas para a identificação e validação dos padrões de reatividade de autoanticorpos aos antígenos e dos níveis de reatividade, se alta, média ou baixa, aos antígenos proteicos individuais entre os grupos ASD e TD.

Em entrevista à revista GEN, na edição de janeiro, o professor Van de Water, principal autor do estudo, comentou que, a partir desses biomarcadores maternos, existem grandes chances de se conseguir um diagnóstico precoce do autismo (MAR), assim como a intervenção comportamental mais eficiente.