Estratificação Contínua Assistida por IA na Neurorreabilitação do AVC Utilizando Gémeos Digitais Personalizados (STRATIF-AI)

Resumo da investigação Este projeto foi concebido para avaliar a viabilidade da aplicação (app) de reabilitação STRATIF-AI, bem como a sua acessibilidade, utilidade e personalização para os pacientes. O propósito da app é apoiar os pacientes na sua recuperação após um acidente vascular cerebral (AVC), no entanto, uma vez que se encontra numa fase inicial de desenvolvimento, os principais objetivos deste estudo são testar a viabilidade de envolver uma aplicação deste tipo na recuperação de um paciente e se os pacientes a consideram útil.

A tecnologia de estratificação de ponta atual baseia-se em algoritmos de aprendizagem automática (machine learning - ML), treinados com dados de grandes coortes. Isto apresenta duas limitações principais: a) tais modelos de ML não conseguem utilizar toda a variedade de diferentes dados que são gerados sobre um paciente, b) a estratificação é, assim, realizada apenas de forma intermitente, implicando decisões de cuidados desatualizadas e subótimas. Para remediar isto, foi desenvolvido um novo conceito e tecnologia - a estratificação contínua, utilizando a plataforma STRATIF-AI. Na estratificação contínua, todos os dados gerados sobre um paciente são armazenados cumulativamente num Cofre de Dados Pessoais, controlado pelo paciente. Estes dados pessoais atualizam continuamente a plataforma do gémeo digital. O potencial único da plataforma provém da sua arquitetura híbrida, que combina modelos mecanicistas, multiescala e multiorgânicos com ML e bioinformática.

Esta tecnologia permite simular respostas específicas do paciente a alterações no tratamento e identificar mudanças a nível intracelular, orgânico e de todo o corpo, variando de segundos a anos para pacientes após um AVC. A harmonização semântica é combinada com a aprendizagem federada para retreinar de forma segura os vários submodelos quando novos dados se tornam disponíveis numa das bases de dados da coorte. Este projeto explorará a utilização de gémeos digitais na fase de reabilitação da recuperação após um AVC e será realizado no serviço de reabilitação do Hospital Chapel Allerton em Leeds. É um dos seis estudos simultâneos envolvendo oito hospitais em toda a Europa, com o objetivo de refinar e validar os modelos e demonstrar como os gémeos digitais podem acompanhar os pacientes através de diferentes aplicações, abrangendo todas as fases do AVC: desde a prevenção até ao tratamento agudo e reabilitação. A plataforma escalável para estratificação contínua forma a base para um novo sistema de saúde interligado e centrado no paciente.

Este projeto visa avaliar a viabilidade de utilizar uma nova aplicação para desenvolver um método de estratificação contínua, utilizando todos os dados disponíveis para avaliação do paciente em tempo real, consolidando os dados do paciente num gémeo digital em evolução. É hipotetizado que a utilização desta tecnologia, em comparação com os cuidados padrão de reabilitação pós-AVC, melhorará o envolvimento do paciente com os cuidados de reabilitação pós-AVC e criará oportunidades para trabalhos futuros na utilização de gémeos digitais na saúde.

Contexto e Fundamentação A motivação para se envolver num programa de reabilitação e a concordância com o programa de reabilitação são duas grandes limitações para a recuperação das pessoas após um AVC e que podem levar a resultados subóptimos. Um problema relacionado e central em todas as fases dos cuidados do AVC é que os dados estão em silos, os pacientes não têm acesso aos seus dados, e a estratificação do tratamento é feita apenas intermitentemente. Por estas razões, foi criada a plataforma STRATIF-AI, que se baseia em gémeos digitais - uma cópia digital de um paciente - que facilita a estratificação contínua, dentro e através de todas as fases dos cuidados do AVC. Diferentes estudos realizados pelos hospitais parceiros do consórcio focar-se-ão nas fases iniciais dos cuidados do AVC, como medidas preventivas e monitorização aguda dos pacientes. Nestes estudos, serão recolhidos dados para permitir o desenvolvimento dos modelos contínuos. Neste estudo clínico, será estudada a forma como os pacientes e o pessoal médico experienciam a utilização da nova plataforma na reabilitação. Este é um estudo piloto, que examinará a prova de princípio e recolherá dados iniciais de viabilidade e aceitabilidade.

A nível mundial, o AVC é a quarta causa mais comum de incapacidade em adultos, com 11,9 milhões de pessoas a sofrerem AVC em 2021, sendo que as estatísticas mais recentes demonstram um aumento na incidência de AVC entre 1990 e 2021. O impacto económico global do AVC é superior a 890 mil milhões de dólares americanos por ano, um valor que se espera que duplique até 2050. Para além das implicações económicas, o efeito do AVC na qualidade de vida do indivíduo afetado é substancial, com mais de dois terços dos sobreviventes de AVC no Reino Unido a deixarem o hospital com uma incapacidade que requer necessidades de cuidados contínuos. Embora seja necessário mais trabalho no campo da prevenção e gestão aguda do AVC, a importância da fase de reabilitação após o AVC é cada vez mais reconhecida internacionalmente pela Organização Mundial da Saúde, que reconhece a "profunda necessidade não satisfeita" de reabilitação a nível global, bem como a nível nacional nas mais recentes Orientações do Reino Unido para a Reabilitação após AVC, que descrevem o papel crucial da fase de reabilitação do AVC e a maior quantidade de reabilitação necessária para maximizar a recuperação.

Originalmente desenvolvido para a indústria, e um conceito relativamente novo na saúde, um gémeo digital pode ser definido como uma contraparte virtual de um objeto, sistema ou processo físico que espelha o seu equivalente no mundo real tanto na função como na aparência. A progressão contínua da tecnologia de gémeos digitais levou à evolução de modelos avançados que se adaptam continuamente ao longo do tempo para poder simular comportamentos complexos. Os gémeos digitais diferem da modelação digital tradicional, pois requerem uma troca de dados bidirecional entre a entidade física e a entidade digital, permitindo assim que a entidade física receba feedback da sua contraparte digital, o que facilita a estratificação contínua dos dados. Dada a tendência para uma abordagem personalizada ao tratamento na saúde, o potencial dos gémeos digitais está a ser cada vez mais explorado. No entanto, as complexidades da emoção e comportamento humanos, juntamente com a variabilidade de fatores como preferência individual, motivação, fadiga e saúde geral, exigem gémeos digitais sofisticados para uso na saúde.

Uma área promissora para a utilização de gémeos digitais é no campo da reabilitação após AVC, onde poderiam ser usados para apoiar o período de reabilitação que é frequentemente necessário pelos sobreviventes de AVC, modelando padrões individuais de recuperação e otimizando terapias. Ao integrar dados do paciente em tempo real, como padrões de movimento, comunicação e capacidade cognitiva, os gémeos digitais podem simular resultados de reabilitação para adaptar tratamentos a pacientes individuais, ajustando a terapia em tempo real, e oferecer suporte à decisão e feedback motivacional, potencialmente aumentando o envolvimento do paciente e melhorando a recuperação. O conceito de gémeos digitais já foi usado na análise do movimento humano através de plataformas comercialmente disponíveis, como o OpenSim, que foi validado para modelação musculoesquelética, demonstrando a viabilidade dos gémeos digitais na saúde.

O projeto STRATIF-AI é um projeto financiado pelo Horizonte Europa que visa canalizar gémeos digitais para uso na reabilitação após AVC. A estratificação tradicional de pacientes na reabilitação baseia-se na definição periódica de objetivos realizada pela equipa multidisciplinar, acordando objetivos de reabilitação a cada duas a três semanas com os pacientes e seus familiares ou cuidadores para direcionar as atividades do programa de reabilitação. No entanto, esta abordagem pode perder dados valiosos entre os episódios de definição de objetivos, o que significa que os objetivos mais recentes não refletem com precisão e completude o estado atual do paciente. Esta perda de dados entre os episódios de definição de objetivos pode ser limitante nas práticas atuais de saúde, porque os tratamentos permanecem inalterados até à próxima interação formal entre o paciente e os profissionais de saúde, mesmo que a condição do paciente tenha evoluído. Por esta razão, o STRATIF-AI propõe desenvolver um método de estratificação contínua para utilizar todos os dados disponíveis para avaliação do paciente em tempo real, consolidando estes dados num gémeo digital em evolução, que oferecerá depois feedback em tempo real ao paciente e à equipa de saúde.

Os dados tradicionalmente usados na estratificação nos cuidados do AVC, como o diagnóstico do paciente, fatores de risco para AVC, historial médico passado, observações basais, e resultados de exames de imagem e análises ao sangue, serão complementados por informações intermédias de tecnologia vestível (smartwatch comercial), diários do paciente, e a ferramenta de avaliação de reabilitação formalizada Medida de Independência Funcional e Medida de Avaliação Funcional (FIM+FAM). Estes dados serão usados para atualizar um gémeo digital individualizado para o paciente usando tecnologia híbrida, que integra modelos mecanicistas para as principais funções do corpo humano com modelos de aprendizagem automática e bioinformática.

O projeto STRATIF-AI implementará a estratificação contínua ao longo da fase de reabilitação do AVC para pacientes elegíveis nos Leeds Teaching Hospitals NHS Trust, e os resultados do projeto complementarão estudos em curso sobre a utilização da plataforma durante as fases de prevenção e tratamento agudo do AVC realizados noutros centros.