Pesquisadores da Universidade Kaunas, na Lituânia, desenvolveram um método baseado no aprendizado profundo que pode prever o possível início da doença de Alzheimer a partir de imagens cerebrais com uma precisão de mais de 99%. O método foi desenvolvido durante a análise de imagens funcionais de ressonância magnética obtidas de 138 indivíduos e teve melhor desempenho em termos de precisão, sensibilidade e especificidade do que os métodos desenvolvidos anteriormente.
De acordo com a Organização Mundial de Saúde, a doença de Alzheimer é a causa mais frequente de demência, contribuindo com até 70 por cento dos casos de demência. Em todo o mundo, cerca de 24 milhões de pessoas são afetadas, e esse número deve dobrar a cada 20 anos. Devido ao envelhecimento da sociedade, a doença se tornará um fardo oneroso para a saúde pública nos próximos anos.
“Profissionais médicos de todo o mundo buscam conscientizar sobre o diagnóstico precoce do Alzheimer, que proporciona aos afetados uma chance maior de se beneficiar do tratamento. Essa foi uma das questões mais importantes para a escolha de um tema para Modupe Odusami, um estudante de doutorado da Nigéria ”, diz Rytis Maskeliūnas, pesquisador do Departamento de Engenharia de Multimídia, Faculdade de Informática, Universidade de Tecnologia de Kaunas (KTU), Doutorado de Odusami Supervisor.
Processamento de imagem delegado à máquina
Um dos primeiros sinais possíveis de Alzheimer é o comprometimento cognitivo leve (MCI), que é o estágio entre o declínio cognitivo esperado do envelhecimento normal e a demência. Com base na pesquisa anterior, a imagem por ressonância magnética funcional (fMRI) pode ser usada para identificar as regiões do cérebro que podem estar associadas ao aparecimento da doença de Alzheimer, de acordo com Maskeliūnas. Os primeiros estágios do MCI quase sempre não apresentam sintomas claros, mas em alguns casos podem ser detectados por neuroimagem.
No entanto, embora teoricamente possível, a análise manual de imagens de fMRI tentando identificar as alterações associadas ao Alzheimer não só requer conhecimento específico, mas também consome muito tempo – a aplicação de Aprendizado profundo e outros métodos de IA podem acelerar isso por uma margem de tempo significativa. Encontrar as características do MCI não significa necessariamente a presença de doença, pois também pode ser um sintoma de outras doenças relacionadas, mas é mais um indicador e possível auxiliar para orientar para uma avaliação por um profissional médico.
“O processamento de sinal moderno permite delegar o processamento da imagem à máquina, que pode completá-lo com mais rapidez e precisão. Obviamente, não ousamos sugerir que um profissional médico deva confiar cem por cento em qualquer algoritmo. Pense em uma máquina como um robô capaz de realizar a tarefa mais tediosa de classificar os dados e pesquisar recursos. Nesse cenário, depois que o algoritmo do computador seleciona os casos potencialmente afetados, o especialista pode examiná-los mais de perto e, no final, todos se beneficiam, pois o diagnóstico e o tratamento chegam ao paciente muito mais rápido ”, diz Maskeliūnas, que supervisionou a equipe de trabalho no modelo.
O modelo baseado em aprendizagem profunda foi desenvolvido como uma colaboração frutífera dos principais pesquisadores lituanos no setor de Inteligência Artificial, usando uma modificação do conhecido ResNet 18 ajustado (rede neural residual) para classificar imagens de ressonância magnética funcionais obtidas de 138 indivíduos. As imagens se enquadram em seis categorias diferentes: desde saudáveis, passando pelo espectro do comprometimento cognitivo leve (MCI), até a doença de Alzheimer. No total, 51.443 e 27.310 imagens do conjunto de dados da The Alzheimer’s Disease Neuroimaging Initiative fMRI foram selecionadas para treinamento e validação.
O modelo foi capaz de encontrar efetivamente os recursos MCI no conjunto de dados fornecido, alcançando a melhor precisão de classificação de 99,99%, 99,95% e 99,95% para MCI inicial vs. AD, MCI tardio vs. AD e MCI vs. MCI inicial, respectivamente.
“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. Obviamente, esses números elevados não são indicadores do verdadeiro desempenho na vida real, mas estamos trabalhando com instituições médicas para obter mais dados ”, diz Maskeliūnas.
Segundo ele, o algoritmo poderia ser desenvolvido em um software, que analisaria os dados coletados de grupos vulneráveis (maiores de 65 anos, com histórico de lesão cerebral, hipertensão, etc.) e notificaria a equipe médica sobre as anomalias relacionadas a o início precoce da doença de Alzheimer.
O pesquisador-chefe, que tem como principal área focar a aplicação de modernos métodos de inteligência artificial em processamento de sinais e interfaces multimodais, afirma que o modelo acima descrito pode ser integrado a um sistema mais complexo, analisando diversos parâmetros diferentes, por exemplo, também monitorar rastreamento de movimentos oculares, leitura de rosto, análise de voz, etc. Tal tecnologia poderia então ser usada para autoverificação e alerta para buscar aconselhamento profissional se algo estiver causando preocupação.
“As tecnologias podem tornar os medicamentos mais acessíveis e baratos. Embora nunca irão (ou pelo menos não em breve) substituir verdadeiramente o profissional médico, as tecnologias podem encorajar a busca de diagnóstico e ajuda em tempo oportuno ”, diz Maskeliūnas.
Fonte: Kaunas University of Technology
Pesquisa Original: “Analysis of Features of Alzheimer’s Disease: Detection of Early Stage from Functional Brain Changes in Magnetic Resonance Images Using a Finetuned ResNet18 Network”
