Investigadores da Mayo Clinic estão a utilizar inteligência artificial (IA) em combinação com um scanner moderno de volume corporal 3D – originalmente desenvolvido para a indústria do vestuário – para ajudar os médicos a prever o risco e a gravidade da síndrome metabólica. De acordo com as descobertas publicadas no European Heart Journal – Digital Health, a combinação das ferramentas oferece aos médicos uma alternativa mais precisa a outras métricas de risco de doenças, como o índice de massa corporal (IMC) e a relação cintura-quadril.
A síndrome metabólica pode levar a ataques cardíacos, AVC e outros problemas de saúde graves, afetando mais de um terço da população dos EUA e um quarto da população mundial. Não existem estratégias de rastreio universalmente aceites para esta doença. No entanto, os investigadores descobriram que a utilização de um scanner de volume corporal 3D em combinação com tecnologia de imagem e algoritmos desenvolvidos pela Mayo Clinic pode ajudar os médicos a oferecer um método mais preciso para identificar pessoas com a síndrome, bem como pessoas com risco aumentado de desenvolver a síndrome.
Para desenvolver a ferramenta, os investigadores treinaram e validaram um modelo de IA em 1.280 voluntários que se submeteram a um exame que incluiu varrimentos de volume corporal 3D, questionários clínicos padronizados, análises de sangue e medições tradicionais da forma corporal. As imagens da vista frontal e lateral foram capturadas de outros 133 voluntários através de uma aplicação móvel da Select Research chamada myBVI para testar ainda mais a capacidade da ferramenta de determinar se eles tinham a síndrome metabólica e, em caso afirmativo, qual a sua gravidade.
As pessoas com síndrome metabólica tendem a ter uma figura em forma de maçã, o que significa que carregam a maior parte do seu peso na barriga. O diagnóstico da síndrome metabólica é baseado em exames laboratoriais, medições da pressão arterial e da forma corporal, mas não existem estratégias de rastreio de rotina universalmente aceites, uma vez que estas medições nem sempre estão disponíveis ou são reproduzíveis da mesma forma.
