Inteligência Artificial prevê Alzheimer com quase 100% de precisão

Inteligência Artificial prevê Alzheimer com quase 100% de precisão

Pesquisadores desenvolveram um método baseado em inteligência artificial que conseguiu prever o início da doença de Alzheimer a partir de imagens cerebrais com uma precisão de mais de 99%. O método foi desenvolvido analisando imagens de ressonância magnética funcional obtidas de 138 voluntários e teve melhor desempenho em termos de precisão, sensibilidade e especificidade do que qualquer outro método desenvolvido anteriormente.

Pesquisas anteriores mostraram que as imagens por ressonância magnética funcional (fMRI) ajudam a identificar as regiões do cérebro que podem estar associadas ao início da doença de Alzheimer. Por outro lado, um dos primeiros sinais externos do Alzheimer é o chamado comprometimento cognitivo leve (CCL), que é o estágio entre o declínio cognitivo esperado do envelhecimento normal e a demência. Ocorre que os primeiros estágios do CCL nem sempre apresentam sintomas claros, sendo difícil detectá-lo por neuroimagem. Além disso, encontrar assinaturas neurológicas do CCL não significa necessariamente a presença de Alzheimer, uma vez que ele também pode ser um sintoma de outras doenças relacionadas – mas é mais um indicador e é recomendável uma avaliação por um profissional médico.

Isso mostra que, embora teoricamente possível, analisar manualmente imagens de fMRI tentando identificar as alterações associadas ao Alzheimer não apenas requer conhecimento específico, mas também consome muito tempo. Por isso, Modupe Odusami e seus colegas da Universidade de Tecnologia de Kaunas se voltaram para a aplicação do aprendizado profundo e outras técnicas de inteligência artificial em busca de um meio para acelerar essa análise por uma margem de tempo significativa.

Diagnóstico de Alzheimer por neuroimagem

As imagens se enquadraram em seis categorias diferentes: Desde saudáveis, passando pelo espectro do CCL (comprometimento cognitivo leve), até a doença de Alzheimer totalmente presente. No total, o programa foi treinado em dois conjuntos de imagens, o primeiro com 51.443 exames e o outro com 27.310 exames. O sistema foi capaz de encontrar efetivamente os sinais de CCL no conjunto de dados, alcançando a melhor precisão de classificação de 99,99% (CCL inicial versus Alzheimer), 99,95% (CCL tardio versus Alzheimer) e 99,95% (CCL tardio versus CCL inicial).

“Embora esta não tenha sido a primeira tentativa de diagnosticar o início precoce do Alzheimer a partir de dados semelhantes, nosso principal avanço está na precisão do algoritmo. Obviamente, esses números elevados não são indicadores do verdadeiro desempenho na vida real, mas estamos trabalhando com instituições médicas para obter mais dados,” disse o professor Rytis Maskeliunas. Segundo o pesquisador, o algoritmo pode ser facilmente desenvolvido na forma de um software para uso geral – por exemplo, em laboratórios de neuroimagem – que analisaria os dados coletados de grupos vulneráveis (maiores de 65 anos, com histórico de lesão cerebral, hipertensão etc.) e notificaria a equipe médica sobre as anomalias relacionadas ao início precoce da doença de Alzheimer.

“As tecnologias podem tornar a medicina mais acessível e mais barata. Embora nunca venham (ou pelo menos não logo) realmente substituir o profissional médico, as tecnologias podem encorajar a busca oportuna pelo diagnóstico e por ajuda,” disse Maskeliunas.

Checagem com artigo científico:

Artigo: Analysis of Features of Alzheimer’s Disease: Detection of Early Stage from Functional Brain Changes in Magnetic Resonance Images Using a Finetuned ResNet18 Network
Autores: Modupe Odusami, Rytis Maskeliunas, Robertas Damasevicius, Tomas Krilavicius
Publicação: Diagnostics
DOI: 10.3390/diagnostics11061071