IA Multimodal para Diagnóstico Musculoesquelético: Integrando Imagem, Genética e Dados do Paciente

Os limites da IA que só olha imagens

A maior parte da inteligência artificial em ortopedia hoje faz uma única coisa: olha para uma imagem. Modelos de aprendizado profundo conseguem graduar a osteoartrite do joelho em uma radiografia, segmentar a cartilagem em uma ressonância magnética ou apontar uma fratura em um raio X com acurácia comparável à de um especialista. São conquistas reais, e já estão entrando nos fluxos de trabalho da radiologia.

Mas um clínico não decide a partir de uma imagem apenas. Dois pacientes com joelhos idênticos no grau 2 de Kellgren–Lawrence podem ter futuros completamente diferentes: um permanecerá estável por uma década, o outro precisará de uma prótese em cinco anos. A diferença está no que a imagem não mostra — predisposição genética, perfil inflamatório, composição corporal, nível de atividade, sensibilidade à dor, comorbidades e o relato do próprio paciente sobre como a articulação se comporta no dia a dia. A doença musculoesquelética é multifatorial, e uma IA diagnóstica que ignora a maioria dos fatores vai estacionar em "descrever a imagem" em vez de prever o paciente.

É essa lacuna que a Spero Science AI foi criada para fechar.

O que "multimodal" significa na prática

A Spero Science AI é uma plataforma de diagnóstico musculoesquelético multimodal: modelos que integram três famílias de dados normalmente analisadas de forma isolada.

Imagem. Radiografia, ressonância magnética e ultrassom fornecem o retrato estrutural — estreitamento do espaço articular, osteófitos, lesões da medula óssea, espessura e composição da cartilagem. Técnicas quantitativas de ressonância, como o mapeamento T2, vão além da morfologia e medem a organização de água e colágeno da cartilagem, um marcador precoce de degeneração muito antes de a superfície se romper. Os fundadores da Spero usam exatamente essas técnicas em seus estudos pré-clínicos de regeneração de cartilagem, em que o mapeamento T2 distingue o tecido reparado da cartilagem nativa e dos defeitos não tratados.

Genética e dados moleculares. Osteoartrite, tendinopatia e lesão de cartilagem têm componente hereditário, e marcadores inflamatórios e metabólicos modulam como uma articulação responde à carga e ao tratamento. Acrescentar camadas genômicas e de biomarcadores permite ao modelo separar pacientes que se parecem na imagem, mas diferem na biologia.

Dados clínicos e relatados pelo paciente. Instrumentos validados de desfecho (dor, função, qualidade de vida), perfis de atividade, antropometria, histórico cirúrgico e comorbidades capturam a realidade vivida da doença — e são os desfechos que importam para pacientes e sistemas de saúde.

Um modelo multimodal aprende com os três ao mesmo tempo. Em vez de "qual é o grau deste joelho?", ele pode responder às perguntas que mudam decisões: A lesão de cartilagem deste paciente vai progredir em dois anos? Este paciente tende a responder a um biológico intra-articular, ou a cirurgia deve ser considerada agora? Qual perfil de reabilitação se ajusta ao risco de retorno ao esporte deste atleta?

Ortopedia de precisão: das médias populacionais às decisões individuais

Historicamente, a ortopedia tratou os pacientes por categoria — tamanho da lesão, faixa etária, grau da doença. A medicina de precisão substitui a categoria pelo indivíduo. O objetivo da Spero Science AI é oferecer a cirurgiões e fisiatras uma camada de apoio à decisão que estime, para um paciente específico, a probabilidade de progressão e o benefício esperado de cada opção terapêutica, do tratamento conservador às terapias regenerativas e à cirurgia.

Esse objetivo se conecta diretamente às plataformas terapêuticas da Spero. Uma injeção condroindutora ou um construto celular engenheirado funcionará melhor no paciente certo, no estágio certo da doença. O diagnóstico multimodal é a ferramenta para encontrar esse paciente — para selecionar participantes de ensaios, estratificar respondedores e, futuramente, orientar o tratamento na prática rotineira. Diagnóstico e terapêutica são desenhados como um único sistema.

Construída por clínicos, com dados clínicos

A Spero Science AI é liderada por cirurgiões-cientistas ortopedistas da Faculdade de Medicina da Universidade de São Paulo (FMUSP) e do Hospital das Clínicas HC-FMUSP, um dos maiores complexos hospitalares da América Latina, com a prática de medicina esportiva do Hospital Sírio-Libanês. A equipe fundadora combina cirurgia do joelho e medicina esportiva, biologia da cartilagem e engenharia de tecidos com um programa ativo de pesquisa na pós-graduação em ciências do sistema musculoesquelético da USP.

Isso importa por dois motivos. Primeiro, os modelos são treinados para responder às perguntas que os clínicos de fato enfrentam, com definições de desfecho que os clínicos aceitam. Segundo, a população brasileira é uma das mais geneticamente diversas do mundo, e modelos desenvolvidos com ela têm menos chance de herdar os vieses de bases de dados provenientes de uma única ancestralidade — uma consideração cada vez mais importante para uma IA que será usada internacionalmente.

IA responsável na saúde

A Spero Science desenvolve sua IA sob os mesmos princípios que regem a pesquisa clínica: aprovação por comitê de ética, consentimento informado, desidentificação e proteção de dados conforme a LGPD, validação externa antes de qualquer uso clínico e relato transparente do desempenho entre subgrupos. Os modelos são posicionados como apoio à decisão para profissionais qualificados, e não como diagnóstico autônomo. A classificação regulatória como software como dispositivo médico (SaMD) está planejada em conformidade com as exigências da ANVISA e com as orientações internacionais.

Estágio de desenvolvimento

A Spero Science AI está em desenvolvimento: montagem de bases de dados multimodais, construção e validação de modelos preditivos para a progressão da osteoartrite e das lesões de cartilagem, e definição dos estudos de validação clínica que sustentarão a submissão regulatória. A plataforma também funciona como a espinha dorsal analítica dos programas terapêuticos da Spero, da seleção de pacientes na translação pré-clínica–clínica à medição de desfechos.

Trabalhe conosco

Hospitais e grupos de pesquisa com dados de imagem e desfechos musculoesqueléticos, empresas de genômica, parceiros de dispositivos médicos e farmacêuticos, e investidores focados em IA para a saúde podem colaborar com a Spero Science em parcerias de dados, estudos de validação, codesenvolvimento e licenciamento.

Saiba mais sobre a Spero Science AI, veja como ela se conecta às plataformas Molécula Condroindutora e Smart Cells, ou fale com a equipe.

Referências

• Fernandes TL, Santanna JPC, de Faria RR, Pastore ER, Bueno DF, Hernandez AJ. Tissue Engineering Construct for Articular Cartilage Restoration with Stromal Cells from Synovium vs. Dental Pulp — A Pre-Clinical Study. Pharmaceutics. 2024;16(12):1558. https://doi.org/10.3390/pharmaceutics16121558 (ressonância quantitativa / mapeamento T2 da cartilagem reparada)

• Hinckel BB, Thomas D, Vellios EE, et al. (incl. Fernandes TL). Algorithm for Treatment of Focal Cartilage Defects of the Knee: Classic and New Procedures. Cartilage. 2021;13(1_suppl):473S-495S. https://doi.org/10.1177/1947603521993219 (critérios de decisão que o diagnóstico de precisão busca personalizar)