# A inteligência artificial pode auxiliar na classificação dos subtipos de afasia progressiva primária?

> Sim. Revisão sistemática com 14 estudos (2014–2024) mostra que abordagens de IA usando dados linguísticos e cognitivos alcançam alta acurácia na distinção dos subtipos de afasia progressiva primária. Métodos multimodais apresentam o melhor desempenho, e modelos baseados em tarefas linguísticas fornecem resultados interpretáveis e clinicamente aplicáveis.

Estudo citado: Macoir J, Karalı FS, Tosun S. Leveraging language and cognitive data for PPA subtyping: A systematic review of AI-based approaches. Progress in neuro-psychopharmacology & biological psychiatry. 2025. DOI: https://doi.org/10.1016/j.pnpbp.2025.111514. PubMed: https://pubmed.ncbi.nlm.nih.gov/41067529/

## Resposta

A afasia progressiva primária (APP) é uma doença neurodegenerativa caracterizada por declínio gradual e seletivo da linguagem. A classificação em suas três variantes clínicas — não fluente/agramática (nfvPPA), semântica (svPPA) e logopênica (lvPPA) — é essencial, mas frequentemente limitada pelo tempo e pela expertise exigidos nas avaliações tradicionais.

Esta revisão sistemática avaliou a aplicação de inteligência artificial (IA) na detecção e classificação das variantes de APP usando dados de linguagem e cognitivos. Seguindo as diretrizes PRISMA 2020, foram incluídos 14 estudos revisados por pares, publicados entre 2014 e 2024. Os estudos foram agrupados por modalidade de entrada: fala transcrita, características acústicas, dados multimodais e avaliações neuropsicológicas ou tarefas com foco em linguagem.

Os resultados mostram que abordagens baseadas em IA demonstram alta acurácia na distinção das variantes de APP. Características linguísticas transcritas forneceram uma fonte de entrada prática e eficaz, enquanto características acústicas foram particularmente sensíveis a déficits de fala motora na nfvPPA. Métodos multimodais alcançaram o melhor desempenho de classificação, e modelos baseados em tarefas com avaliações padronizadas orientadas à linguagem produziram resultados interpretáveis e clinicamente aplicáveis.

A análise de dados de linguagem e cognitivos impulsionada por IA mostra forte potencial para melhorar o diagnóstico e a classificação de subtipos de APP. No entanto, o resumo não informa detalhes sobre amostra, desenho dos estudos incluídos ou limitações específicas além da variabilidade metodológica e da falta de validação patológica.

Para a prática clínica, a incorporação dessas ferramentas pode agilizar a avaliação e apoiar a classificação diagnóstica, especialmente em contextos com recursos limitados. Contudo, a implementação requer consideração da variabilidade metodológica e da necessidade de validação adicional.

## O que o estudo mostrou

Revisão sistemática seguindo diretrizes PRISMA 2020, incluindo 14 estudos revisados por pares publicados entre 2014 e 2024. Os estudos foram agrupados por modalidade de entrada: fala transcrita, características acústicas, dados multimodais e avaliações neuropsicológicas ou tarefas com foco em linguagem. Abordagens de IA demonstraram alta acurácia na distinção das variantes de APP. Características linguísticas transcritas foram práticas e eficazes; características acústicas foram sensíveis a déficits de fala motora na nfvPPA; métodos multimodais tiveram o melhor desempenho; e modelos baseados em tarefas forneceram resultados interpretáveis e clinicamente aplicáveis.

## Limitações

O resumo não informa o tamanho da amostra ou características dos participantes dos estudos incluídos. Também não detalha limitações específicas de cada estudo. Menciona variabilidade metodológica e falta de validação patológica como limitações a serem abordadas em trabalhos futuros. A ausência de dados sobre a população e os métodos exatos impede generalizações mais amplas.

## Aplicação no consultório

A aplicação clínica dessas abordagens de IA pode auxiliar o médico na classificação mais precisa dos subtipos de APP, especialmente em ambientes com acesso limitado a especialistas. Ferramentas baseadas em fala transcrita ou tarefas linguísticas padronizadas podem ser incorporadas à avaliação, desde que validadas. Para a gestão do consultório, isso pode significar maior eficiência no diagnóstico e encaminhamento adequado, mas requer cautela devido à variabilidade metodológica e à necessidade de validação patológica. O resumo não fornece informações sobre custos ou implementação prática.

## Perguntas para aprofundar

- Quais características linguísticas são mais discriminativas entre os subtipos de APP?
- Como a IA pode ser integrada à avaliação neuropsicológica tradicional?
- Quais são os desafios para a validação clínica dessas ferramentas no Brasil?

Tema: IA em saúde mental. Página: https://alphadoctor.com.br/ciencia/ia-saude-mental/a-inteligencia-artificial-pode-auxiliar-na-classificacao-dos-subtipos-de-afasia/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.