# Algoritmos de aprendizado de máquina podem auxiliar na detecção precoce de doenças neurodegenerativas e neurocognitivas na prática clínica?

> Sim, segundo esta revisão sistemática, algoritmos de aprendizado de máquina mostram potencial para detecção precoce de demência, doença de Parkinson, Alzheimer e comprometimento cognitivo leve, com destaque para a necessidade de integrar recursos digitais verificados à prática médica convencional, embora o resumo não detalhe a implementação clínica.

Estudo citado: Yousefi M, Akhbari M, Mohamadi Z, Karami S, Dasoomi H, Atabi A et al.. Machine learning based algorithms for virtual early detection and screening of neurodegenerative and neurocognitive disorders: a systematic-review. Frontiers in neurology. 2024. DOI: https://doi.org/10.3389/fneur.2024.1413071. PubMed: https://pubmed.ncbi.nlm.nih.gov/39717687/

## Resposta

A revisão sistemática identificou que algoritmos de aprendizado de máquina (ML) têm sido investigados para a detecção precoce de doenças neurodegenerativas e neurocognitivas, como demência, doença de Parkinson, Alzheimer e comprometimento cognitivo leve. Os autores destacam que a detecção precoce é crucial para o manejo eficaz dessas condições e que a ML pode auxiliar na identificação mais precisa, superando limitações dos diagnósticos tradicionais.

Foram encontrados doze algoritmos de ML para demência, dezoito para Parkinson, quatorze para comprometimento cognitivo leve e vários para Alzheimer, todos com resultados promissores, exceto a regressão logística LASSO no contexto do comprometimento cognitivo leve, que apresentou resultados não promissores. Os estudos incluídos enfatizam que os algoritmos de ML são necessários para o sucesso na detecção do Alzheimer.

A revisão conclui que há uma necessidade premente de integrar recursos digitais de saúde verificados à prática médica convencional. Essa integração pode representar uma nova era na detecção precoce dessas doenças, potencialmente modificando o curso dessas condições para milhões de pessoas globalmente. Os achados estatisticamente significativos ilustram o progresso na área e a influência prospectiva desses avanços no manejo global.

Para o médico brasileiro, os resultados sugerem que a incorporação de ferramentas de ML na prática clínica pode auxiliar na triagem e no diagnóstico precoce, desde que devidamente validadas. No entanto, a revisão não fornece detalhes sobre a implementação prática ou custos, o que requer cautela antes de adotar tais tecnologias rotineiramente.

## O que o estudo mostrou

Trata-se de uma revisão sistemática que examinou bases de dados até 15 de agosto de 2023, utilizando PubMed, Scopus, Google Scholar e Web of Science. A busca inicial encontrou 7.069 estudos, dos quais 1.365 eram duplicatas e foram removidos. Após triagem, 108 artigos preencheram os critérios de inclusão. Foram identificados doze algoritmos de ML para demência, dezoito para Parkinson, quatorze para comprometimento cognitivo leve e vários para Alzheimer, com a maioria demonstrando eficácia na detecção e diagnóstico, exceto a regressão logística LASSO no comprometimento cognitivo leve, que teve resultados não promissores.

## Limitações

O resumo não informa detalhes sobre as características das populações estudadas, nem sobre a heterogeneidade dos algoritmos ou dos critérios diagnósticos utilizados. Também não são descritas limitações metodológicas dos estudos incluídos, como viés de publicação ou qualidade dos dados. A aplicabilidade dos achados ao contexto brasileiro não é discutida, e a revisão não aborda custos ou barreiras para implementação clínica.

## Aplicação no consultório

Os achados reforçam a importância de o médico estar atento às tecnologias de ML que podem auxiliar na detecção precoce de doenças neurodegenerativas e neurocognitivas. Na gestão do consultório, isso pode implicar a necessidade de avaliar a incorporação de ferramentas digitais validadas, capacitar a equipe para interpretar resultados e considerar a integração com sistemas de saúde. No entanto, a revisão não fornece evidências suficientes para recomendação imediata na prática diária, sendo necessária cautela e avaliação crítica das ferramentas disponíveis.

## Perguntas para aprofundar

- Quais algoritmos de aprendizado de máquina são mais promissores para a detecção precoce da doença de Alzheimer?
- Como a regressão logística LASSO se compara a outros algoritmos no comprometimento cognitivo leve?
- Quais são os desafios para integrar ferramentas de aprendizado de máquina na prática clínica brasileira?

Tema: IA em telemedicina e monitoramento remoto. Página: https://alphadoctor.com.br/ciencia/ia-telemedicina-monitoramento/algoritmos-de-aprendizado-de-maquina-podem-auxiliar-na-deteccao-precoce-de/

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