Destaque

Pesquisa usa Inteligência Artificial para facilitar diagnóstico da doença de Alzheimer

Fonte

Jornal da Unesp

Data

quarta-feira. 10 abril 2024 13:50

Seja no diagnóstico de câncer, na identificação da doença de Parkinson ou em outras aplicações médicas, o uso de ferramentas computacionais para auxiliar o diagnóstico de enfermidades tornou-se um tópico de destaque em pesquisas na academia. A perspectiva é que a aplicação de técnicas de Inteligência Artificial (IA) possibilite identificar males de forma automática e em diferentes graus de desenvolvimento, viabilizando a indicação de tratamentos e cuidados mais específicos para cada caso. E, em alguns casos, pode até identificar sintomas que passariam despercebidos por especialistas.

A promessa de que a IA possa se mostrar capaz de identificar padrões que talvez os médicos ignorem é particularmente atrativa para o caso da doença de Alzheimer. Uma iniciativa que busca desenvolver esta tecnologia é o estudo liderado pela Dra. Andriana Campanharo, pesquisadora do Instituto de Biociências da Universidade Estadual Paulista (IB-Unesp), que culminou em um artigo publicado na revista Scientific Reports.

Segundo dados da OMS, em 2019, 55 milhões de pessoas apresentavam algum tipo de demência. Destas, a mais comum é a doença de Alzheimer, que atinge sete entre dez indivíduos com demência. Estima-se que o número de pessoas afetadas pela patologia esteja crescendo e chegue a 139 milhões em 2050, superior à atual população do México. No Brasil, segundo dados do Ministério da Saúde, estima-se que haja aproximadamente 2,4 milhões de pessoas afetadas. Entretanto, calcula-se que a maior parte dos casos, entre 75% e 95%, não foram sequer diagnosticados.

Embora a doença seja incurável, a ausência de diagnósticos precisos é motivo de preocupação. A identificação antecipada é essencial, uma vez que há tratamentos capazes de retardar sua progressão. Entretanto, ainda não existem exames 100% precisos para identificar a enfermidade. “A única maneira de certificar-se de que uma pessoa sofre de Alzheimer é por meio de biópsia do tecido cerebral, que é feita após a morte do indivíduo”, disse a Dra. Andriana Campanharo. Atualmente, o diagnóstico é feito por exclusão e envolve a aplicação de testes neuropsicológicos por neurologistas especializados, além da realização de exames de imagem e de sangue. O pacote de exames, porém, pode envolver um custo alto, o que pode desmotivar os indivíduos a investigarem os sintomas.

Nesse contexto, o diagnóstico por meio de eletroencefalogramas (EEGs) desperta a atenção dos pesquisadores por se tratar de uma técnica barata e não invasiva. Os EEGs registram a atividade elétrica do cérebro por meio de eletrodos fixados no couro cabeludo. O resultado são registros das ondas cerebrais, semelhantes às ondas de rádio, que podem ser lidas por especialistas. No entanto, a leitura e a interpretação dos resultados, feitas por profissionais treinados, podem demandar tempo considerável, uma vez que a compilação dos dados de EEG pode se estender por horas ou mesmo dias. E a etapa de leitura e interpretação não é isenta de erros, uma vez que os dados registram também a presença de ruídos causados pelo equipamento, e mesmo por movimentos musculares do paciente.

Esse quadro faz do uso de técnicas computacionais para a interpretação automática dos dados uma aposta promissora para o estudo da doença de Alzheimer. Em especial, devido ao alto poder de processamento dos computadores atuais. Pensando nisso, a Dra. Andriana Campanharo e seu grupo de pesquisa conduziram um estudo para comparar diferentes técnicas computacionais para identificação da doença de Alzheimer que são amplamente utilizadas na literatura científica. O objetivo era identificar qual, dentre elas, apresenta a melhor capacidade para a identificação de indivíduos com a doença, e também a melhor performance em termos de tempo de processamento dos dados de EEG.

Redes complexas

Para o estudo, os cientistas contaram com uma base de dados de pesquisadores da Universidade Estadual da Flórida, nos Estados Unidos, que cederam sinais de EEG de 184 pacientes. Destes, 160 eram testes de idosos que provavelmente têm a doença de Alzheimer em seu estágio final, e 24 eram testes de idosos saudáveis. O grupo de indivíduos sem a enfermidade foi utilizado como grupo de controle da pesquisa, para validar os resultados obtidos.

Os testes registraram a atividade cerebral dos pacientes por oito segundos, a partir de 19 eletrodos posicionados em diferentes regiões da cabeça. A partir das ondas de frequência obtidas pela atividade cerebral, foram aplicadas as seis técnicas mais utilizadas no estudo da doença de Alzheimer a partir de dados de EEG. “Utilizamos quatro técnicas clássicas de análise de sinais denominadas Coerência Wavelet, Dimensão Fractal, Entropia Quadrática e Energia Wavelet, que utilizam o domínio do tempo ou da frequência, e que estão presentes na literatura há várias décadas”, explicou a pesquisadora. Além delas, os pesquisadores utilizaram duas técnicas mais contemporâneas, que utilizam o conceito de redes complexas, chamadas de Grafos de Visibilidade e Grafos de Quantis.

Praticamente todas as técnicas apresentaram bons resultados nos testes e se mostraram capazes de identificar os indivíduos afetados pela doença. Os melhores resultados, entretanto, foram alcançados pela técnica baseada em quantis, que foi desenvolvida pela própria Dra. Andriana Campanharo, seguida pela técnica clássica Coerência Wavelet. Ambas apresentaram uma acurácia de praticamente 100% no diagnóstico, independentemente da presença de ruídos ou do estado dos pacientes. Porém, a técnica baseada em grafos de quantis desenvolvida pela docente da Unesp se mostrou a mais eficiente no processamento dos dados de EEGs.

Acesse o artigo científico completo (em inglês).

Acesse a notícia completa na página do Jornal da Unesp.

Fonte: Malena Stariolo, Jornal da Unesp.

Leia também