Prevendo o Alzheimer com a Ajuda da IA

Um estudo recente publicado pela Alzheimer’s Association lança luz sobre um novo método de detecção precoce que pode ajudar a salvar milhões de vidas. O estudo examina o uso de IA em protocolos de previsão automatizados combinados com métodos de escaneamento de voz para determinar com precisão a progressão de Comprometimento Cognitivo Leve (MCI) para Doença de Alzheimer (AD) dentro de um intervalo de 6 anos. Veja o que você precisa saber.

Alzheimer e Demência

Qualquer pessoa que tenha convivido ou ajudado um parente com Alzheimer e demência pode atestar as dificuldades da situação. Notavelmente, a Doença de Alzheimer é a principal causa de demência globalmente. É um transtorno cerebral progressivo que deteriora as capacidades mentais de uma pessoa ao longo do tempo. O processo é gradual, com os sintomas evoluindo de simples esquecimento para perda de memória, desorientação, auto‑negligência e perda da fala. Notavelmente, pacientes que sofrem de MCI têm uma chance muito maior de desenvolver a Doença de Alzheimer.

Fatos sobre a Doença de Alzheimer

A Doença de Alzheimer é a sexta maior causa de morte entre os americanos e continua sendo uma preocupação importante globalmente. Um estudo de 2023 constatou que mais de 6,7 milhões de americanos sofrem dessa doença, que pode deixar os pacientes incapazes de cuidar de si mesmos, reconhecer seus familiares ou realizar tarefas diárias necessárias.

Infelizmente, a pesquisa também apontou para riscos aumentados no futuro. Ela previu 13,8 milhões de cidadãos dos EUA sofrendo da doença até 2060. Esses fatores levaram muitos pesquisadores a buscar soluções e métodos de prevenção para ajudar a reduzir esses riscos, potencialmente salvando muitas vidas.

Patologia da AD

Patologia da AD é um termo que se refere a como o cérebro começa a se deteriorar sob o peso da doença. Os métodos atuais exigem a realização de testes neuropsicológicos (NPTs), que permitem aos profissionais de saúde monitorar os níveis de peptídeos beta‑amiloides (Aβ), proteína tau hiperfosforilada, astrócitos reativos, ativação microglial e outros biomarcadores. Todos esses fatores podem indicar inflamação crônica e outros problemas associados ao início da AD.

Limitações Atuais da Patologia da AD

Esses métodos de determinação do risco de AD de um paciente apresentam algumas desvantagens significativas. Primeiro, são caros. Cada teste pode custar milhares, tornando-o disponível apenas para quem tem seguro ou acesso a financiamento. Além disso, esses métodos são frequentemente invasivos. Sempre que é necessário cortar a pele, o risco de infecções e outras complicações aumenta.

O Futuro da Detecção de AD é Baseado em Voz

Pesquisadores observaram uma correlação direta entre o declínio da fala e o MCI. Como resultado, muito trabalho tem sido feito para documentar e registrar essas mudanças para fins de pesquisa. Hoje, milhares de horas de gravações de voz de exames neuropsicológicos estão disponíveis. Além disso, outros dados são anexados a essas gravações. Este estudo FHS é o maior conjunto de gravações.

Estudo Framingham Heart (FHS)

O Estudo Framingham Heart (FHS) está em andamento desde 1948. Este estudo de longo prazo sobre saúde cardiovascular pesquisou milhares de homens que sofreram AVCs ou ataques cardíacos. Sua abordagem de longo prazo permitiu aos pesquisadores criar modelos de previsão de risco de 10 a 30 anos, que se mostraram essenciais na prevenção, no desenvolvimento de medicamentos e agora na programação de modelos de IA.

Este esforço colaborativo conta com o apoio do National Heart, Lung, and Blood Institute (NHLBI) e da Boston University, e é um dos estudos cardiovasculares mais longos e bem‑sucedidos já realizados. Como tal, seus dados ajudaram inúmeras descobertas médicas e permanecem uma fonte poderosa de dados de saúde de longo prazo.

Como parte do estudo, testes de fala foram introduzidos nos dados em 2005. Desde então, cientistas registraram milhares de padrões de fala em pacientes antes e durante a AD. Essas gravações forneceram insights valiosos sobre como a mente se deteriora durante a AD.

Inteligência Artificial Melhora os Métodos de Diagnóstico

A revolução da IA permitiu que engenheiros criassem sistemas de alerta precoce mais avançados e eficientes. Neste caso, o Processamento de Linguagem Natural (NLP) de IA foi usado para diagnosticar características linguísticas que sinalizam declínio cognitivo. O algoritmo pode cruzar milhões de pontos de dados para posicionar com precisão os pacientes em uma escala de demência com base em suas comunicações.

Estudo sobre Alzheimer e Demência

O estudo aplicou técnicas de NLP com métodos de aprendizado de máquina para aprimorar os modelos preditivos de MCI e demência. A equipe utilizou gravações de entrevistas de teste de n + 166 participantes do Estudo Framingham Heart (FHS) para criar esses modelos. Os modelos abrangeram uma variedade de opções, desde dados demográficos até um espectro completo de informações.
Uma diferença principal em relação a tentativas anteriores foi que a equipe se concentrou principalmente na progressão de MCI para AD, em vez da cognição normal. Incluiu 90 casos de MCI progressivo e 76 casos de MCI estável como parte da abordagem. Esses dados foram inseridos em um algoritmo avançado de IA que examinou fatores‑chave.

Dados de Entrada

O sistema utilizou uma variação do modelo de regressão logística que aproveitou pontuações de subtestes e TAS como principais indicadores de previsão. Como parte dessa abordagem, a equipe primeiro criou uma ferramenta de transcrição que simplificou a importação dos dados previamente gravados do Estudo Framingham Heart (FHS).

Dados de Fala

Os dados de fala dos 166 participantes incluíram uma entrevista de uma hora com cada pessoa. Esses dados foram previamente gravados e armazenados digitalmente, o que significava que a equipe precisava criar métodos para converter facilmente esses dados em texto e, em seguida, em modelos de IA.

O Codificador Universal de Sentenças

O Codificador Universal de Sentenças foi projetado para reduzir a carga de trabalho de importação dos dados do FHS. O sistema escaneia automaticamente os dados do FHS e gera embeddings vetoriais com base em segmentos específicos da transcrição de cada paciente. Essa abordagem ajuda a IA a fazer previsões mais precisas enquanto reduz a carga de trabalho.

Melhorias no Modelo de IA

A equipe de pesquisa utilizou essas transcrições para criar um poderoso algoritmo de aprendizado profundo de IA. O sistema chama automaticamente dados aleatórios do relatório do FHS e os amostra. Esses dados foram usados para criar e codificar o conteúdo dos subtestes. No total, oito embeddings específicos foram usados para avaliar a progressão da AD e do MCI.

Modelos de Regressão Logística

Novos modelos de IA treinados a partir dos dados quantitativos associados a cada conteúdo de subteste foram criados. O conteúdo foi pontuado e usado como entradas individuais para a modelagem. Esses modelos foram então analisados e testados quanto à eficácia, resultando em uma pontuação média de transcrição (TAS) para cada um. Essas pontuações e o TAS permitiram que a IA monitorasse com precisão a progressão do MCI.

O modelo principal incluiu uma série de dados valiosos sobre os participantes. Especificamente, incluiu dados demográficos, status de portador do APOE, fatores de saúde e características de texto importadas do estudo FHS. Este modelo obteve a maior pontuação, mostrando quase 80% de precisão na determinação do início da AD dentro de seis anos.

A equipe também testou um modelo que considerava apenas os dados demográficos dos participantes. Houve também um modelo apenas de texto que aproveitou as entradas de texto do FHS como sua principal fonte de análise. Notavelmente, o modelo de IA demográfico previu a AD com 68,8% de precisão. Impressionantemente, o modelo mais preciso, que incluiu todos os dados relevantes, alcançou 79% de precisão.

Testando os Modelos

O desempenho de cada modelo foi testado usando uma abordagem de validação cruzada em grupo k‑fold que examinou fatores‑chave, incluindo acurácia, precisão, sensibilidade e especificidade. Também foram realizados testes de validação cruzada e seleção de recursos.

Resultados

Os resultados do estudo são promissores. O novo modelo de detecção de IA teve 79% de precisão na determinação do início da AD dentro de 6 anos. A equipe constatou que quanto mais entradas de dados são adicionadas, mais precisamente a IA pode determinar o risco de uma pessoa. Assim, dados de fala, idade, sexo e nível de escolaridade são todos fatores que desempenham um papel no risco de exposição à AD.

Benefícios do Estudo da Doença de Alzheimer

Existem alguns benefícios sérios que este estudo pode oferecer à pessoa média. Primeiro, os métodos de previsão baseados em IA são muito mais acessíveis e acessíveis ao público. O custo dos testes atuais dentro do sistema de saúde com fins lucrativos continua a subir devido à necessidade de usar laboratórios e amostras. O novo sistema de IA elimina essas necessidades, reduzindo drasticamente os custos para todos os participantes.
Além disso, a integração de um sistema de detecção automatizado pode ajudar médicos e profissionais de saúde a prescrever tratamentos e medicamentos de forma mais precisa e rápida, quando possível. Essas respostas aprimoradas podem fazer a diferença entre a vida e a morte em muitas situações.

Não Invasivo

Este método de IA para detectar AD é não invasivo. Não há necessidade de os médicos coletarem amostras de tecido para determinar a progressão da AD, reduzindo o risco de infecção ou outras complicações.

Empresas que Podem se Beneficiar deste Estudo

Várias empresas poderiam melhorar seus produtos e serviços integrando este novo método automatizado de detecção de AD por IA. Essas empresas se especializam em métodos de prevenção e previsão de AD. Como tal, elas poderiam prescrever e diagnosticar pacientes de forma mais eficaz, levando a tempos de resposta mais rápidos. Aqui estão duas empresas que estão posicionadas para integrar essa tecnologia hoje.

1. Biogen

BIIB Gráfico de preços

Biogen é uma empresa de biotecnologia líder com sede em Massachusetts, EUA. A empresa possui uma variedade de produtos projetados para prevenir, tratar e auxiliar aqueles que sofrem de doenças neurológicas e autoimunes. Integrar um modelo automatizado de detecção de AD, como o criado pelos pesquisadores, melhoraria significativamente o tempo de resposta da empresa.
A ação da Biogen é considerada um ponto forte devido à sua história e posicionamento no mercado. A empresa tem observado ganhos lentos e constantes nos últimos quatro anos e atualmente possui um valor de mercado de US$ 33,16 bilhões. Analistas preveem que o fabricante verá aumentos adicionais de receita devido aos seus esforços pioneiros e à crescente demanda por métodos de prevenção precoce.

2. Eisai

A Eisai, com sede em Tóquio, continua sendo uma força global no setor de pesquisa e desenvolvimento médico. A empresa se especializa na importação e exportação de produtos farmacêuticos e colaborou com outras marcas líderes, incluindo a Biogen, em um acordo de medicamento para a Doença de Alzheimer. O acordo permite que essas empresas compartilhem dados livremente com a esperança de alcançar um avanço significativo no diagnóstico e tratamento desta doença.
A Eisai é líder no mercado e ajudou a pesquisar e desenvolver alguns produtos farmacêuticos muito bem‑sucedidos. A empresa tem forte apoio da comunidade de investidores e foi destacada no portfólio modelo Argus U.S. ESG. Esta recomendação de ação baseia‑se em critérios ambientais, de governança e sociais. Por essas razões, ESALY é uma adição inteligente a qualquer portfólio.

Futuro da IA na Saúde

Este estudo é um dos muitos que chamaram a atenção de quem sofre de Alzheimer. Em breve, podem surgir ferramentas de diagnóstico automatizadas e muito acessíveis para uso doméstico que permitam a qualquer pessoa, em qualquer lugar, monitorar seu risco de saúde. Esses dispositivos não precisariam se limitar apenas à prevenção do Alzheimer. Aqui estão alguns outros avanços médicos de IA interessantes.

Detecção de AVC por IA

Sistemas de IA já estão em operação para ajudar a detectar acidentes vasculares cerebrais (AVC). Para o pessoal de emergência, determinar se uma pessoa está sofrendo um AVC ou outra doença é frequentemente o primeiro passo para salvar suas vidas. Notavelmente, uma equipe de Engenheiros Biomédicos da RMIT University criou uma nova ferramenta que utiliza IA para identificar um CVA em segundos. O software usa a câmera de um smartphone para observar e determinar, através das características faciais, se ocorreu um AVC.

Fala Assistida por IA

A fala assistida por IA é outra área da saúde que tem visto melhorias significativas. Esses sistemas utilizam grandes modelos de linguagem para ajudar aqueles que não conseguem pronunciar palavras devido a acidentes ou impedimentos a criar frases em tempo real. Essa tecnologia já está ajudando milhares de pessoas que sofrem de problemas de comunicação a superar adversidades e viver vidas mais gratificantes.

Movimento Assistido por IA

Sistemas de IA também ajudaram a melhorar a mobilidade de milhões de pessoas. Pesquisadores agora estão usando IA para melhorar o desempenho de exoesqueletos. Esses dispositivos, que antes exigiam um controle remoto para o usuário operar, agora podem determinar seu próximo movimento e ajudar automaticamente a subir escadas, encostas íngremes e outros terrenos que normalmente seriam impossíveis para outros sistemas de assistência à caminhada.

IA Ajudando a Vencer a Doença de Alzheimer

A tecnologia de IA pode ajudar aqueles que sofrem da Doença de Alzheimer a acompanhar suas memórias que se esvaem e viver vidas melhores. Este desenvolvimento mais recente demonstra como a prevenção e o diagnóstico por IA podem ser os primeiros passos para finalmente vencer essa doença. Como tal, esta pesquisa oferece um novo nível de confiança ao abrir a porta para uma população mais saudável e cognitivamente ativa no futuro.
Clique para mais Inovações de IA Legais AI Developments.