resumo: Uma nova ferramenta de IA utiliza testes cognitivos e exames de ressonância magnética para prever a progressão da doença de Alzheimer com 82% de precisão, superando os métodos atuais. Esta ferramenta tem o potencial de reduzir a necessidade de testes dispendiosos e melhorar a intervenção precoce.
A doença de Alzheimer é a principal causa de demência, afetando mais de 55 milhões de pessoas em todo o mundo.
Fatos importantes:
- A ferramenta de IA identificou com precisão a progressão da doença de Alzheimer em 82% dos casos.
- As previsões usam dados não invasivos e de baixo custo.
- Os pacientes podem ser estratificados em grupos com base na taxa de progressão da doença.
molho: Universidade de Cambridge
Cientistas de Cambridge desenvolveram uma ferramenta de inteligência artificial que pode prever em quatro em cada cinco casos se uma pessoa com sinais precoces de demência permanecerá estável ou desenvolverá a doença de Alzheimer.
A equipa de investigação acredita que esta nova abordagem tem o potencial de reduzir a necessidade de testes de diagnóstico invasivos e dispendiosos e de melhorar os resultados do tratamento mais cedo, quando intervenções como mudanças no estilo de vida e novos medicamentos podem ser mais eficazes.
A demência representa um desafio significativo à saúde a nível global, afectando mais de 55 milhões de pessoas em todo o mundo e com um custo anual estimado em 820 mil milhões de dólares. Prevê-se que o número de pessoas infectadas diminua quase dramaticamente nos próximos 50 anos.
A principal causa da demência é a doença de Alzheimer, responsável por 60-80% dos casos. A detecção precoce é crítica, pois é quando o tratamento tem maior probabilidade de ser eficaz, mas sem o uso de testes invasivos ou caros, como tomografia por emissão de pósitrons (PET) ou punções lombares, o diagnóstico precoce e o prognóstico da demência podem não ser precisos. Disponível em todas as clínicas de memória.
Como resultado, até um terço dos pacientes pode ser diagnosticado incorretamente e outros podem ser diagnosticados tarde demais para se beneficiarem do tratamento.
Uma equipe liderada por cientistas da Escola de Psicologia da Universidade de Cambridge desenvolveu um modelo de aprendizado de máquina que pode prever se e com que rapidez as pessoas com problemas leves de memória e pensamento progredirão para o desenvolvimento da doença de Alzheimer.
Em um estudo publicado em medicina clínica eletrônicaque demonstrou ser mais preciso do que as ferramentas de diagnóstico clínico atuais.
Para construir o modelo, os pesquisadores usaram dados de pacientes não invasivos e de baixo custo (testes de função cognitiva e massa cinzenta. Uma ressonância magnética estrutural mostrando atrofia).
Em seguida, testamos o modelo usando dados reais de pacientes de mais 600 participantes da coorte dos EUA e, mais importante, dados longitudinais de 900 pessoas de clínicas de memória no Reino Unido e em Cingapura.
O algoritmo foi capaz de distinguir entre pessoas com comprometimento cognitivo leve estável e aquelas que progrediram para a doença de Alzheimer em três anos. Os testes cognitivos e a ressonância magnética por si só foram capazes de identificar com precisão os indivíduos que desenvolveram a doença de Alzheimer em 82% dos casos e aqueles que não progrediram para a doença de Alzheimer em 81% dos casos.
O algoritmo foi cerca de três vezes mais preciso na previsão da progressão da doença de Alzheimer do que o padrão atual de tratamento. isto é, marcadores clínicos padrão (como atrofia da substância cinzenta ou escores cognitivos) ou diagnóstico clínico. Isso indica que este modelo pode reduzir significativamente os erros de diagnóstico.
O modelo também permitiu aos investigadores estratificar os pacientes de Alzheimer em três grupos, utilizando dados da primeira visita de cada pessoa a uma clínica de memória. Aqueles com sintomas estáveis (aproximadamente 50% dos participantes), aqueles que progridem lentamente para a doença de Alzheimer (aproximadamente 50% dos participantes) (35%) e aqueles que progridem mais rapidamente (restantes 15%).
Essas previsões foram testadas examinando dados de acompanhamento de 6 anos. Isto pode ajudar a identificar precocemente as pessoas que podem beneficiar de novos tratamentos, bem como aquelas cuja condição pode deteriorar-se rapidamente e necessitar de monitorização cuidadosa.
É importante ressaltar que para 50% das pessoas que apresentam sintomas como perda de memória, mas cujos sintomas permanecem estáveis, seus sintomas podem não ser devidos à demência, mas a outras causas, como ansiedade ou depressão. Seria melhor ser encaminhado para uma clínica diferente. caminho.
A autora principal, Professora Zoe Curzi, da Escola de Psicologia da Universidade de Cambridge, disse:”Apesar de usar apenas dados de testes cognitivos e exames de ressonância magnética, é muito mais eficaz do que as abordagens atuais para prever se alguém irá progredir. Criamos uma ferramenta que é altamente sensível a Desde sintomas leves até a doença de Alzheimer e, em caso afirmativo, se ela progride rápida ou lentamente.
“Isso tem o potencial de melhorar significativamente o estado de saúde dos pacientes, ajudando-nos a entender quais pessoas precisam de cuidados mais próximos e aliviando a ansiedade dos pacientes que deverão permanecer em condições estáveis. Também pode ajudar a eliminar a necessidade de testes de diagnóstico invasivos e caros desnecessários. momento em que os recursos médicos são escassos.
Os pesquisadores testaram o algoritmo em dados da coorte do estudo, mas ele foi validado usando dados independentes, incluindo quase 900 pessoas que frequentaram clínicas de memória no Reino Unido e em Cingapura.
No Reino Unido, os pacientes foram recrutados através do Quantitative MRI in NHS Memory Clinic Study (QMIN-MC), liderado pelo coautor do estudo, Dr. Timothy Littman, do Cambridge University Hospitals NHS Trust e do Cambridgeshire and Peterborough NHS Foundation Trust (CPFT).
Os pesquisadores dizem que isso mostra que também pode ser aplicado em ambientes clínicos com pacientes reais.
Ben Underwood, psiquiatra consultor honorário do CPFT e professor assistente de psiquiatria na Universidade de Cambridge, disse: Na prática clínica, a incerteza se estes são os primeiros sinais de demência causa grande preocupação aos pacientes e às suas famílias, bem como frustração aos médicos que querem respostas claras.
“O facto de podermos reduzir esta incerteza com a informação que já temos é muito entusiasmante e pode tornar-se ainda mais importante à medida que surgem novos tratamentos”.
O professor Curzi disse: “Um modelo de IA é tão bom quanto os dados usados para treiná-lo. Para garantir que o nosso tenha potencial para ser adotado na prática médica, não nos basearemos apenas em coortes de pesquisa. Nós o treinamos e testamos em dados coletados rotineiramente de pacientes em uma clínica de memória real, o que mostra que é generalizável para ambientes do mundo real”.
Os investigadores esperam agora alargar o modelo a outras formas de demência, como a demência vascular e a demência frontotemporal, utilizando diferentes tipos de dados, como marcadores de análises ao sangue.
O professor Curzi acrescentou: “Se quisermos enfrentar os crescentes problemas de saúde decorrentes da demência, precisaremos de melhores ferramentas para identificar e intervir o mais cedo possível”.
“Nossa visão é ampliar as ferramentas de IA para ajudar os médicos a alocar o talento certo para o diagnóstico e caminho de tratamento corretos, no momento certo, para ajudar a combinar os pacientes certos com os pacientes e acelerar a descoberta de novos medicamentos para tratamentos modificadores de doenças”.
Sobre estas notícias de pesquisa sobre IA e doença de Alzheimer
autor: Ben Underwood
molho: Universidade de Cambridge
contato: Ben Underwood – Universidade de Cambridge
imagem: Imagem creditada ao Neuroscience News
Pesquisa original: Acesso livre.
“Marcadores guiados por IA robustos e interpretáveis para previsão precoce de demência em ambientes clínicos do mundo real”, por Ben Underwood et al. medicina clínica eletrônica
abstrato
Marcadores robustos e interpretáveis guiados por IA para previsão precoce de demência em ambientes clínicos do mundo real
fundo
A previsão de demência precoce tem um grande impacto no manejo clínico e nos resultados dos pacientes. No entanto, ainda faltam ferramentas sensíveis para a estratificação precoce dos pacientes, resultando em pacientes não diagnosticados ou diagnosticados incorretamente. Apesar da rápida expansão dos modelos de aprendizado de máquina para previsão de demência, a tradução clínica é dificultada pela limitada interpretabilidade e generalização do modelo.
método
Construímos modelos de prognóstico preditivo (PPMs) robustos e interpretáveis e usamos dados de pacientes do mundo real, coletados rotineiramente, não invasivos e de baixo custo (testes cognitivos, ressonância magnética estrutural) para melhorar os resultados clínicos. Para aumentar a escalabilidade e versatilidade clínicas, 1) treinamos PPM usando preditores clinicamente relevantes (testes cognitivos, atrofia da substância cinzenta) que são comuns em pesquisas e coortes clínicas; 2) Teste as previsões de PPM usando dados independentes, multicêntricos e do mundo real. De clínicas de memória em vários países (Reino Unido, Singapura).
Resultado da investigação
O PPM prevê com segurança se os pacientes em estágio inicial da doença (MCI) permanecerão estáveis ou progredirão para a doença de Alzheimer (DA) (precisão: 81,66%, AUC: 0,84, sensibilidade: 82,38%, grau específico: 80,94%). O PPM generaliza desde pesquisas até dados reais de pacientes em clínicas de memória, e suas previsões são validadas em relação a resultados clínicos de longo prazo. Usando o PPM, um estudo personalizado guiado por IA previu a progressão para DA com mais precisão do que os marcadores clínicos padrão (atrofia da substância cinzenta, escores cognitivos, marcadores derivados do PPM: taxa de risco = 3,42, p = 0,01). ) pode ser derivado. ) ou diagnóstico clínico (marcadores derivados de PPM: taxa de risco = 2,84, p < 0,01) reduz diagnósticos incorretos.
interpretação
Nossos resultados são validados com base em dados de pacientes multicêntricos de longo prazo de vários países e fornecem um guia clínico de IA robusto e explicável para previsão precoce de demência que provavelmente será adotado na prática clínica.
financiamento
Wellcome Trust, Royal Society, Alzheimer's Research UK, Alzheimer's Drug Discovery Foundation Diagnostic Accelerator, Alan Turing Institute.
