IA em saúde mental

O uso de aprendizado de máquina com novos biomarcadores pode melhorar o diagnóstico da doença de Alzheimer?

Resposta

A doença de Alzheimer (DA) é uma doença neurodegenerativa complexa e grave que ainda carece de métodos eficazes de diagnóstico. Os métodos atuais baseiam-se em testes cognitivos, técnicas de imagem e níveis de amyloid-β1-42 (Aβ42), proteína tau total e tau hiperfosforilada (p-tau) no líquido cefalorraquidiano (LCR). No entanto, esses métodos são caros e relativamente invasivos.

Com o avanço da inteligência artificial, técnicas de aprendizado de máquina têm sido cada vez mais utilizadas no diagnóstico de precisão. Uma meta-análise foi conduzida para investigar o aprendizado de máquina e novos biomarcadores no diagnóstico da DA. Foram pesquisados o PubMed, o Cochrane Central Register of Controlled Trials e o Cochrane Database of Systematic Reviews por revisões e ensaios que investigassem aprendizado de máquina e novos biomarcadores no diagnóstico da DA.

Além dos biomarcadores Aβ e tau, outros biomarcadores segundo outros mecanismos da patologia da DA foram investigados. Biomarcadores de lesão neuronal incluem neurofilamento leve (NFL). Biomarcadores de disfunção e/ou perda sináptica incluem neurogranina, BACE1, sinaptotagmina, SNAP-25, GAP-43 e sinaptofisina. Biomarcadores de neuroinflamação incluem sTREM2 e YKL-40. Além disso, o d-glutamato é um dos coagonistas nos NMDARs.

Vários algoritmos de aprendizado de máquina, incluindo máquina de vetores de suporte, regressão logística, floresta aleatória e naïve Bayes, foram usados para construir um modelo preditivo ideal para distinguir pacientes com DA de controles saudáveis. Os resultados revelaram que o aprendizado de máquina com novos biomarcadores e múltiplas variáveis pode aumentar a sensibilidade e especificidade no diagnóstico da DA.

Conclui-se que o uso de HPLC rápido e econômico para biomarcadores e algoritmos de aprendizado de máquina pode auxiliar os médicos no diagnóstico da DA em ambulatórios. Isso sugere que a integração dessas ferramentas na prática clínica pode tornar o diagnóstico mais acessível e eficaz.

O que o estudo mostrou

Trata-se de uma meta-análise que buscou revisões e ensaios no PubMed, Cochrane Central Register of Controlled Trials e Cochrane Database of Systematic Reviews. O resumo não informa o número de estudos incluídos nem o tamanho da amostra. Os achados indicam que biomarcadores de lesão neuronal (NFL), disfunção sináptica (neurogranina, BACE1, sinaptotagmina, SNAP-25, GAP-43, sinaptofisina) e neuroinflamação (sTREM2, YKL-40), além do d-glutamato, foram investigados. Algoritmos de aprendizado de máquina (máquina de vetores de suporte, regressão logística, floresta aleatória, naïve Bayes) foram usados para construir modelo preditivo, e os resultados revelaram que aprendizado de máquina com novos biomarcadores e múltiplas variáveis pode aumentar a sensibilidade e especificidade no diagnóstico da DA.

Limitações

O resumo não informa o número de estudos incluídos, o tamanho da amostra, as características dos participantes ou os critérios de inclusão. Também não detalha a heterogeneidade entre os estudos, o risco de viés ou a qualidade metodológica das pesquisas analisadas. Além disso, não são apresentados dados quantitativos de sensibilidade e especificidade, nem comparações diretas entre os algoritmos. Essas lacunas limitam a generalização dos achados e a avaliação da robustez das conclusões.

Aplicação no consultório

Os achados sugerem que o médico pode considerar a incorporação de algoritmos de aprendizado de máquina associados a novos biomarcadores como ferramenta auxiliar no diagnóstico da doença de Alzheimer em ambiente ambulatorial. A possibilidade de usar HPLC rápido e econômico para biomarcadores pode viabilizar essa abordagem na prática clínica, desde que haja infraestrutura laboratorial adequada. Para a gestão do consultório, isso implica avaliar custos de implementação, treinamento da equipe e integração com sistemas de prontuário eletrônico, além de considerar a validação local dos modelos preditivos.

Estudo citado

Machine Learning and Novel Biomarkers for the Diagnosis of Alzheimer's Disease. International journal of molecular sciences, 2021.
Autores: Chang CH, Lin CH, Lane HY.
DOI: 10.3390/ijms22052761 · PubMed: PMID 33803217

Perguntas para aprofundar

• Quais biomarcadores novelos têm sido estudados para o diagnóstico da doença de Alzheimer?
• Como os algoritmos de aprendizado de máquina podem ser integrados ao diagnóstico clínico da doença de Alzheimer?
• Qual é o custo-efetividade do uso de HPLC e aprendizado de máquina no diagnóstico da doença de Alzheimer em ambulatórios?

Mais sobre IA em saúde mental

• O aprendizado por transferência com biomarcadores de neuroimagem já é uma ferramenta confiável para o diagnóstico precoce e a predição prognóstica da doença de Alzheimer?
• Como o aprendizado de máquina tem sido aplicado à saúde cognitiva de idosos com HIV?
• Como a inteligência artificial explicável (XAI) pode auxiliar na identificação de biomarcadores EEG para depressão, ansiedade e transtorno bipolar?
• A inteligência artificial aplicada à ressonância magnética ponderada em T1 é eficaz para classificar mais de dois estágios da doença de Alzheimer?
• Como a inteligência artificial pode melhorar a predição de risco da doença de Alzheimer na prática clínica?

Todas as perguntas sobre IA em saúde mental · Todos os temas · Versão em markdown