Inteligência Artificial pode prever a doença de Alzheimer 6 anos antes do diagnóstico

• A IA pode aprimorar as técnicas de imagem cerebral para prever o Alzheimer anos antes do diagnóstico.
• A rede neural convolucional desenvolvida neste estudo foi capaz de identificar varreduras cerebrais (com 100% de sensibilidade) que levam à doença de Alzheimer.

Mais de 5 milhões de pessoas nos Estados Unidos têm a doença de Alzheimer e esse número deve chegar a 14 milhões até 2050. A cada 65 segundos, alguém nos Estados Unidos desenvolve o Alzheimer, o que o torna a 6ª causa de morte no país.

Normalmente, a doença é diagnosticada quando todos os sintomas se manifestam e, nesse momento, a perda de células cerebrais torna-se tão significativa que é tarde demais para intervir. Nenhuma terapia pode parar ou reverter a progressão da doença de Alzheimer, no entanto, podemos detectá-la em estágios iniciais para retardar seu progresso e melhorar os sintomas.

Agora, pesquisadores da Universidade da Califórnia descreveram como a inteligência artificial pode aprimorar as técnicas de imagem do cérebro para prever o mal de Alzheimer anos antes do diagnóstico. As descobertas podem ajudar milhões de pacientes e cuidadores.

Aprendizagem profunda analisa o metabolismo cerebral

Estudos anteriores mostraram que a doença de Alzheimer altera o metabolismo do cérebro:a redução no metabolismo da glicose no cérebro é caracteristicamente observada. No entanto, reconhecer essas mudanças sutis pode ser uma tarefa extremamente desafiadora.

Neste estudo, os pesquisadores aplicaram o método de aprendizado profundo para detectar mudanças no metabolismo cerebral preditivas do mal de Alzheimer. Eles treinaram o método em milhares de imagens obtidas a partir de uma técnica de imagem funcional da medicina nuclear chamada Tomografia por Emissão de Pósitrons (PET).

Eles tiveram acesso aos dados de um grande projeto multi-site ADNI (abreviação de Alzheimer’s Disease Neuroimaging Initiative) que se concentra na prevenção e tratamento desta doença.

Referência:Radiologia | doi:10.1148 / radiol.2018180958 | RSNA

O conjunto de dados continha mais de 2.100 exames de PET do cérebro de mais de 1.000 pacientes. Eles usaram 90% desse conjunto de dados para treinar seu método de aprendizado profundo e os 10% restantes foram usados ​​para testá-lo.

Exemplos de PET scans | Cérebro de um homem de 76 anos (ampliado) com Alzheimer | Cortesia de pesquisadores

Eles então testaram o método em um novo grupo independente de 40 imagens de 40 pacientes que o algoritmo nunca havia examinado. Ele foi capaz de detectar o Alzheimer 6 anos antes (em média) do diagnóstico final, em todas as 40 tomografias PET.

Os pesquisadores treinaram sua rede neural convolucional usando GPUs NVIDIA TITAN Xp com a biblioteca CUDA Deep Neural Network. Ele previu cada varredura (com 100% de sensibilidade) que levava à doença de Alzheimer.

O que vem a seguir?

Mesmo que os resultados sejam muito impressionantes, os pesquisadores alertaram que seu conjunto de validação não era grande o suficiente para tornar o algoritmo totalmente confiável. Eles precisam de mais dados para tornar esta ferramenta de IA mais madura.

Atualmente, a ferramenta pode ser usada para complementar os trabalhos dos radiologistas, que incluem uma ampla gama de exames de imagem e bioquímicos. Com validação externa em grande escala em dados multi-institucionais e calibração de modelo, a ferramenta pode ser integrada ao fluxo de trabalho clínico para ajudar os médicos com previsões precoces da doença.

Leia:Cientistas descobrem e corrigem o fator de risco genético da doença de Alzheimer

A equipe planeja treinar ainda mais suas redes neurais para reconhecer padrões ligados ao acúmulo anormal de aglomerados de proteínas, proteínas beta-amilóide e tau e outros marcadores específicos para a doença de Alzheimer.