Há muitos anos pesquisadores procuram o caminho mais fácil e eficiente para acabar com enfermidades que assolam a sociedade e avançar para o futuro tecnológico de que todos escutam falar. André Fujita, professor no Departamento de Ciência da Computação, no Instituto de Matemática e Estatística, o IME, e atual presidente do programa de pós-graduação em bioinformática da USP, juntamente com seu time de profissionais vê o futuro através da estatística de redes na busca de curas e investigações de patologias.
As redes são estruturas gráficas formadas por articulações, podendo ser reais ou abstratas. A estatística das redes é uma ciência que se concentra na teoria dos grafos. Esta, por sua vez, é definida como uma ramificação da matemática que estuda as relações entre objetos de um determinado conjunto. Através das redes é possível explorar, por meio dos gráficos, relações que ocorrem de forma síncrona. A ciência das redes pode ser usada em diversas áreas, como biologia, antropologia, sociologia e física.
Para que possamos entender a base do estudo, Fujita explica como o sistema de redes está implementado em diversas áreas da sociedade, desde as redes sociais até o sistema complexo de redes neurais no cérebro humano. Assim, segundo o professor, é mais eficiente analisar interações do que as partes separadamente, já que “tudo interage”. Estudar as redes sociais em que um indivíduo está inserido, a exemplo, pode oferecer mais dados ou informações mais específicas do que analisá-lo separadamente, tanto dele, quanto dos outros.
Estatística de Redes e Saúde
Na biologia, apenas observar os nodos formados nas redes não é o suficiente. Redes biológicas apresentam aleatoriedade, como é o caso da formação genética de um novo ser. Logo, nesta área se faz necessário o uso da estatística para entender e tentar prever quadros que fujam do padrão de saúde humano ou cadeias biológicas que interessem à ciência. Uma das possíveis aplicações é correlacionar redes de genes ou proteínas na expectativa de encontrar nelas alguma anomalia ou mutação. Essa investigação pode ser feita entre pessoas saudáveis e doentes, bem como entre as redes de uma única pessoa na apuração da causa da enfermidade e a relação com os demais sistemas da mesma.
Mesmo pessoas saudáveis têm redes diferentes entre si. A ideia, então, é ir além do saudável e não-saudável, e tentar entender o motivo da doença e, mais do que isso, como revertê-la. Como exemplo, é possível analisar a rede do sangue de um indivíduo procurando um transtorno que se encontra no pulmão, pois no momento de correlacionar as redes pulmão x sangue, uma alteração em comum apareceria em algum ponto do “gráfico”.
Outra possível funcionalidade do estudo é diagnosticar transtornos de desenvolvimento neurológico que hoje são feitos apenas por avaliações de psicólogos e psiquiatras, através de exames clínicos, na pesquisa do ponto específico na rede do indivíduo que apresenta a inconformidade. Encontrar o problema não apenas definiria um diagnóstico como também auxiliaria no tratamento, respeitando as particularidades descobertas para cada pessoa. Em casos de epilepsia, de modo similar, mapear o cérebro e analisar através dessa rede como ele se comporta quando alguém está perto de entrar em uma crise poderia emitir um alerta que a conscientizasse sobre a situação, no exemplo de Fujita, por um relógio inteligente.
Os tumores, por exemplo, são diferentes de um para outro. No caso de uma tecnologia avançada como a que Fujita propõe, cada caso poderia ser tratado com particularidade, o que traria avanços no tratamento de doenças e mais chances de bons resultados para os pacientes. A técnica de estatística de redes poderia entender, como sugeriu o professor, porque existe uma parcela dos diagnosticados com câncer de pulmão estágio 1 que não respondem aos medicamentos (aproximadamente 15%), enquanto outros, classificados na mesma categoria, conseguem se curar completamente da doença com o uso das mesmas drogas.
Estas previsões e supervisões poderiam ser feitas através de cálculos que já são desenvolvidos pelos pesquisadores liderados por Fujita. O professor relatou já saber correlacionar redes, classificá-las e achar causalidades através da estatística. As operações são feitas, até o momento, na ponta do lápis, mas uma das ambições futuras dos pesquisadores é programar máquinas para fazer as identificações necessárias e devolver um diagnóstico automatizado.
Faça um comentário