Os resultados foram impressionantes: em uma escala em que 1 é perfeito, a IA alcançou uma precisão de 0,986 na análise das células. Isso significa que ela quase sempre acertou ao identificar a condição dos participantes.
Diferente de métodos antigos, que analisavam apenas um tipo de célula, a ferramenta usa informações das duas. Isso porque combinar os dados de ambas dá uma visão mais completa do que está acontecendo no corpo. Por exemplo, diabetes tipo 1 e lúpus aparecem mais claros nos receptores das células T, enquanto Covid-19, HIV e gripe são mais visíveis nas células B.
O que falta para chegar às clínicas?
Apesar do sucesso, a ferramenta ainda comete erros e precisa ser mais precisa do que os métodos atuais para ser usada por médicos. Os pesquisadores também querem ajustá-la para detectar diferentes estágios de uma doença ou até subcategorias de condições, o que poderia personalizar tratamentos.
Scott Boyd, imunologista de Stanford e coautor do estudo, acredita que os erros da IA podem revelar diferenças sutis entre pacientes que os testes tradicionais não enxergam. “Isso pode ajudar a adaptar terapias no futuro”, disse em entrevista à revista Nature.
De acordo com os pesquisadores, o próximo passo da pesquisa é testar se a ferramenta pode diagnosticar diferentes estágios de uma doença e, até mesmo, identificar fatores causais. A ideia é que ela sirva como um “mapa” do sistema imunológico, conectando o histórico de saúde de uma pessoa aos cuidados médicos.
