IA prevê Alzheimer com até cinco anos de avanço

Com a população de idosos se tornando cada vez mais representativa, a garantia da qualidade de vida na terceira idade se torna mais relevante. Estimativas sugerem que 20% das pessoas com mais de 65 anos sofrem de problemas cognitivos moderados, caracterizados por um pequeno declínio de memória, linguagem ou pensamento. Essa parcela da população também apresenta um risco maior para o desenvolvimento de problemas mais graves, como o mal de Alzheimer. Em muitos casos, entretanto, essa doença não apresenta sintomas até um estágio mais avançado, o que limita sua detecção e tratamento precoce.

Atualmente o diagnóstico de Alzheimer envolve uma avaliação extensa, que leva em consideração o histórico pessoal e familiar, assim como testes laboratoriais, neuropsicológicos e de ressonância cerebral. Por isso, o consenso sobre a presença da doença pode demorar meses, e ainda assim o diagnóstico definitivo só é possível post-mortem, quando uma biópsia do cérebro revela suas alterações estruturais características. Por outro lado, as pesquisas sugerem que a degeneração neuronal começa muitos anos antes da manifestação dos sintomas, mas as alterações são muito sutis para serem reconhecidas pelos especialistas.

Recentemente, pesquisadores vinculados à Universidade de Toronto e ao Centro para Vícios e Saúde Mental (CAMH, Centre for Addiction and Mental Health), no Canadá, publicaram um trabalho detalhando um modelo de machine learning desenvolvido para a detecção precoce de Alzheimer. Eles usaram dados de 800 pacientes idosos, dentre eles indivíduos saudáveis, com declínio mental moderado e com Alzheimer, para modelar e depois predizer a trajetória dos sintomas num intervalo de até 5 anos, e assim identificar indivíduos que futuramente desenvolveriam a doença. Os dados incluíam imagens de ressonância magnética e resultados de testes genéticos e clínicos. O modelo, cuja estrutura foi desenvolvida pelos próprios pesquisadores, foi avaliado quanto à sua capacidade de classificar os dados em dois panoramas: quadro de saúde estável x em declínio, ou estável x declínio lento x declínio rápido. No primeiro panorama, o modelo teve precisão de 90% (AUC de 0.968), e no segundo, a precisão foi de 76%. Estes resultados são animadores não só pelo alto desempenho mas também em comparação com as ferramentas atualmente à disposição dos médicos. A robustez do modelo foi comprovada pela validação cruzada usando três consórcios diferentes de dados com protocolo de aquisição e resolução diferentes.

A predição precoce realizada pelo modelo pode no futuro mudar a forma como os pacientes potenciais são tratados, direcionado intervenções a partir dos primeiros sinais que indiquem um quadro de alto risco, e melhorando drasticamente a evolução de sua qualidade de vida.

4 Comments

  1. Joab Santana disse:

    Excelente!!

    2 de janeiro de 2020
    Responder
  2. Luiz Melo disse:

    Materia muito interessante. A área que você optou é muito rica em conhecimentos. Parabéns. Quando possível e caso seja possível disponibilizar gostaria de ver matérias sobre whatson e IOT voltado para medicina. Muito obrigado por compartilhar.

    6 de janeiro de 2020
    Responder

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *