Uso de modelos de linguagem artificial para interpretação de Eletroforese Quantitativa de Hemoglobinas e identificação de Talassemias

Autores

DOI:

https://doi.org/10.47385/tudoeciencia.968.2023

Palavras-chave:

Talassemia, Alfa Talassemia, Beta Talassemia, Eletroforese de Proteínas Sanguíneas, Inteligência Artificial

Resumo

Os Modelos de Linguagem Artificial estão cada vez mais permeando a sociedade. Na área médica eles possuem ampla utilidade, em que se destaca a interpretação de exames laboratoriais. Entre os exames em que os MLA podem ser aplicados está a Eletroforese Quantitativa de Hemoglobinas, exame clássico na avaliação de hemoglobinopatias como as Talassemias. As talassemias são quadros que acontecem devido a uma variação genética nos genes codificadores das cadeias alfa ou beta da hemoglobina, podendo cursar de forma assintomática ou até mesmo causar morte fetal. Através da criação de casos clínicos fictícios, em que foram utilizados dados de duas revisões sistemáticas do Pubmed, o MLA ChatGPT 3.5 foi submetido a um prompt de entrada baseado no modelo de Few-Shot Learning e as suas respostas foram avaliadas na realização do diagnóstico de talassemias. As respostas foram consideradas satisfatórias nos quadros de Beta Talassemia Menor e Maior, na Doença da Hemoglobina H e na Alfa Talassemia Maior, em que o MLA obteve 100% de precisão diagnóstica. Já os casos de Alfa Talassemia Mínima e Alfa Talassemia Menor o MLA ChatGPT apresentou resultados incorretos e insatisfatórios ao errar os dois casos. Esses erros podem ser atribuídos ao fato de que essas duas talassemias em específico podem cursar de forma assintomática e ter eletroforese de hemoglobinas semelhantes a normalidade. A partir da análise das respostas do MLA, pode-se inferir que o ChatGPT apresenta acurácia positiva para identificação de talassemias, com ênfase nas Beta Talassemias. Além disso, em todas as respostas ele adiciona informações pertinentes ao clínico, como encaminhamento para hematologista e realização de testes genéticos. No mais, é necessário o aperfeiçoamento dos prompts e que mais estudos sejam realizados, com mais testes em MLA diferentes e com uma amostragem maior de casos e situações, para poder definir a real aplicabilidade dessas ferramentas no diagnóstico de Talassemias.

Downloads

Não há dados estatísticos.

Referências

ALI, S. et al. Current status of beta‐thalassemia and its treatment strategies. Molecular genetics & genomic medicine, v. 9, n. 12, 2021.

HORVEI, P.; MACKENZIE, T.; KHARBANDA, S. Advances in the management of α-thalassemia major: reasons to be optimistic. Hematology, v. 2021, n. 1, p. 592–599, 2021.

KAESTNER, L. Artificial intelligence meets hematology. Transfusion and apheresis science: official journal of the World Apheresis Association: official journal of the European Society for Haemapheresis, v. 59, n. 6, p. 102986, 2020.

OpenAI. (2023). ChatGPT (August 3 Version) [Large Language Model]

SHARMA, A.; EASOW MATHEW, M.; PURI, L. Splenectomy for people with thalassaemia major or intermedia. The Cochrane library, v. 2019, n. 9, 2019.

TOUVRON, H. et al. LLaMA: Open and efficient foundation language models. 2023. Disponível em: <http://arxiv.org/abs/2302.13971>. Acesso em: 2 set. 2023.

UpToDate. Disponível em: <https://www.uptodate.com/contents/diagnosis-of-thalassemia-adults-and-children?search=Talassemias&source=search_result&selectedTitle=1~150&usage_type=default&display_rank=1>. Acesso em: 6 set. 2023.

WICKRAMASINGHE, S. N. et al. The fate of excess β-globin chains within erythropoietic cells in α-thalassaemia 2 trait, α-thalassaemia 1 trait, haemoglobin H disease and haemoglobin Q-H disease: an electron microscope study. British journal of haematology, v. 56, n. 3, p. 473–482, 1984.

VIPRAKASIT, V.; EKWATTANAKIT, S. Clinical classification, screening and diagnosis for thalassemia. Hematology/oncology clinics of North America, v. 32, n. 2, p. 193–211, 2018.

Downloads

Publicado

20-12-2023

Como Citar

Paulo Vitor Perminio, Paula Carraro Eduardo de Castro, Gabriela Caravana Silva São Thiago, Carolina Batista, Maria Eduarda Souza Maciel Alvarenga, Fernanda Martins de Almeida, Victor Pires Faria, & Rodrigo Cesar Carvalho Freitas. (2023). Uso de modelos de linguagem artificial para interpretação de Eletroforese Quantitativa de Hemoglobinas e identificação de Talassemias. Tudo é Ciência: Congresso Brasileiro De Ciências E Saberes Multidisciplinares, (2). https://doi.org/10.47385/tudoeciencia.968.2023

Artigos mais lidos pelo mesmo(s) autor(es)