Alzheimer: a inteligência artificial prevê o início
Uma ferramenta de inteligência artificial ensinada a analisar varreduras cerebrais pode prever com precisão a doença de Alzheimer vários anos antes de um diagnóstico final.
Os pesquisadores usaram exames de PET para treinar um algoritmo de aprendizado profundo para prever sinais de Alzheimer.A equipe responsável sugere que, após validação adicional, a ferramenta poderia auxiliar muito na detecção precoce do Alzheimer, dando tempo aos tratamentos para retardar a doença de forma mais eficaz.
Os pesquisadores, da Universidade da Califórnia em San Francisco, usaram imagens de tomografia por emissão de pósitrons (PET) de 1.002 cérebros de pessoas para treinar o algoritmo de aprendizado profundo.
Eles usaram 90 por cento das imagens para ensinar ao algoritmo como detectar características da doença de Alzheimer e os 10 por cento restantes para verificar seu desempenho.
Eles então testaram o algoritmo em imagens PET dos cérebros de outras 40 pessoas. Destes, o algoritmo previu com precisão quais indivíduos receberiam um diagnóstico final de Alzheimer. Em média, o diagnóstico veio mais de 6 anos após os exames.
Em um artigo sobre as descobertas, que o Radiologia jornal publicou recentemente, a equipe descreve como o algoritmo "atingiu 82 por cento de especificidade com 100 por cento de sensibilidade, uma média de 75,8 meses antes do diagnóstico final."
“Ficamos muito satisfeitos”, diz o co-autor Dr.Jae Ho Sohn, que trabalha no departamento de radiologia e imagem biomédica da universidade, "com o desempenho do algoritmo."
“Ele foi capaz de prever todos os casos que evoluíram para a doença de Alzheimer”, acrescenta.
Doença de Alzheimer e imagens PET
A Associação de Alzheimer estima que cerca de 5,7 milhões de pessoas vivam com a doença de Alzheimer nos Estados Unidos e que esse número provavelmente aumentará para quase 14 milhões em 2050.
O diagnóstico precoce e mais preciso não só beneficiaria as pessoas afetadas, mas também poderia, coletivamente, economizar cerca de US $ 7,9 trilhões em cuidados médicos e custos relacionados ao longo do tempo.
À medida que a doença de Alzheimer progride, ela muda a forma como as células cerebrais usam a glicose. Essa alteração no metabolismo da glicose aparece em um tipo de imagem PET que rastreia a captação de uma forma radioativa de glicose chamada 18F-fluorodeoxiglicose (FDG).
Ao dar instruções sobre o que procurar, os cientistas foram capazes de treinar o algoritmo de aprendizado profundo para avaliar as imagens FDG PET em busca de sinais precoces de Alzheimer.
Aprendizagem profunda "ensina a si mesma"
Os pesquisadores ensinaram o algoritmo com a ajuda de mais de 2.109 imagens FDG PET de 1.002 cérebros de indivíduos. Eles também usaram outros dados da Iniciativa de Neuroimagem da Doença de Alzheimer.
O algoritmo utilizou aprendizado profundo, um tipo complexo de inteligência artificial que envolve o aprendizado por meio de exemplos, de forma semelhante à forma como os humanos aprendem.
O aprendizado profundo permite que o algoritmo “ensine a si mesmo” o que procurar ao detectar diferenças sutis entre as milhares de imagens.
O algoritmo era tão bom quanto, senão melhor, que especialistas humanos na análise de imagens FDG PET.
Os autores observam que "em comparação com leitores de radiologia, o modelo de aprendizado profundo teve melhor desempenho, com significância estatística, no reconhecimento de pacientes que teriam um diagnóstico clínico de [doença de Alzheimer]."
Futuros desenvolvimentos
Dr. Sohn alerta que o estudo foi pequeno e que os resultados agora precisam passar por validação. Isso envolverá o uso de conjuntos de dados maiores e mais imagens obtidas ao longo do tempo de pessoas em várias clínicas e instituições.
No futuro, o algoritmo pode ser uma adição útil à caixa de ferramentas do radiologista e melhorar as oportunidades para o tratamento precoce da doença de Alzheimer.
Os pesquisadores também planejam incluir outros tipos de reconhecimento de padrões no algoritmo.
A mudança no metabolismo da glicose não é a única marca registrada do Alzheimer, explica o coautor do estudo Youngho Seo, professor do Departamento de Radiologia e Imagem Biomédica. O acúmulo anormal de proteínas também caracteriza a doença, acrescenta.
“Se FDG PET com [inteligência artificial] pode prever a doença de Alzheimer tão cedo, a imagem da placa beta-amilóide e da proteína tau PET pode adicionar outra dimensão de importante poder preditivo”.
Prof. Youngho Seo