Os diagnósticos rápidos são essenciais, especialmente quando um ente querido parece estar perdendo lentamente suas habilidades cognitivas.
Pesquisadores da Universidade de Tecnologia de Kaunas, na Lituânia, relatam que desenvolveram um método baseado no deep learning, capaz de prever o possível início da doença de Alzheimer a partir de imagens cerebrais com uma precisão de mais de 99 por cento.
O impacto de um diagnóstico mais rápido do Alzheimer pode ser enorme. A doença, causa mais comum de demência, já atinge 24 milhões de pessoas todos os anos, segundo a Organização Mundial de Saúde. Esses números vão crescer à medida que a população mundial envelhece.
A velocidade é crítica com o Alzheimer. Embora não haja cura, vários estudos mostraram benefícios significativos em iniciar o tratamento no início do curso da doença.
“Pense em uma máquina como um robô capaz de realizar a tarefa mais tediosa de classificar os dados e procurar recursos”, disse Rytis Maskeliūnas, pesquisador da Universidade Kaunas que supervisionou a equipe que trabalha no modelo.
“Depois que o algoritmo do computador seleciona casos potenciais, o especialista pode examiná-los mais de perto”, disse Maskeliūnas. “Todos se beneficiam à medida que o diagnóstico e o tratamento chegam ao paciente muito mais rápido”.
Os primeiros sinais da doença de Alzheimer podem ser um desafio para as pessoas comuns reconhecerem em seus amigos e parentes. Pode ser difícil distinguir o comprometimento cognitivo leve, ou MCI, que é o primeiro sinal da doença de Alzheimer dos efeitos normais do envelhecimento.
Embora as imagens de ressonância magnética funcional do cérebro prometam ajudar, o problema, apontam os pesquisadores, é que detectar os sinais do Alzheimer nessas imagens requer conhecimento específico e leva tempo.
As técnicas de deep learning prometem acelerar esse processo significativamente, permitindo que as pessoas afetadas sejam rapidamente encaminhadas para uma avaliação por um profissional médico.
O modelo baseado em deep learning da equipe da Universidade Kaunas foi baseado na conhecida rede neural ResNet 18, classificando imagens de fMRI de 138 indivíduos.
Os pesquisadores treinaram seu modelo em workstations equipadas com GPUs NVIDIA em imagens do conjunto de dados fMRI da Iniciativa de Neuroimagem da Doença de Alzheimer.
O modelo treinado foi então capaz de encontrar efetivamente as características MCI, alcançando uma precisão de classificação de 99,99 por cento ao distinguir entre comprometimento cognitivo leve e doença de Alzheimer inicial.
O modelo também alcançou 99,95 por cento de precisão ao distinguir entre MCI tardio versus doença de Alzheimer e MCI versus MCI inicial.
“Embora esta não tenha sido a primeira tentativa de diagnosticar o início precoce do Alzheimer a partir de dados semelhantes, nosso principal avanço é a precisão do algoritmo”, disse Maskeliūnas. “Números tão altos não são indicadores de desempenho verdadeiro na vida real, mas estamos trabalhando com instituições médicas para obter mais dados.”
No futuro, o algoritmo pode ser a base de um software capaz de analisar rapidamente dados de grupos vulneráveis, como aqueles com mais de 65 anos ou com histórico familiar de demência, e alertar a equipe médica.