Um novo e poderoso algoritmo de aprendizagem profunda foi desenvolvido exclusivamente para estudar imagens PET e detectar o início do Alzheimer.
A pesquisa é parte de novos trabalhos que vem usando a tecnologia de aprendizado de máquina para identificar padrões sutis em dados complexos de imagens médicas que os médicos não conseguem captar.
Uma das ferramentas de diagnóstico mais eficientes atualmente para identificar o surgimento do Alzheimer é um tipo de escaneamento de imagens cerebrais chamado PET com 18-F-fluorodeoxiglicose (FDG-PET). Esta varredura é tradicionalmente usada para identificar vários tipos de câncer, mas nos últimos anos se mostrou eficaz na identificação do Alzheimer, bem como outros tipos de demência.
Esta nova pesquisa treinou um algoritmo de aprendizado de máquina em mais de 2.100 imagens cerebrais FDG-PET. O coautor do novo estudo, Jae Ho Sohn, MD do Departamento de Radiologia e Imagens Biomédicas da Universidade da Califórnia em San Francisco (UCSF), afirma que a nova tecnologia é capaz de identificar padrões mais sutis em dados densos de imagem.
“Diferenças no padrão de captação de glicose no cérebro são muito sutis e difusas”, diz Jae Ho Sohn. “Médicos são bons em encontrar biomarcadores específicos de doenças, mas as mudanças metabólicas representam um processo mais global e sutil”.
Quando esse algoritmo foi testado em um pequeno conjunto independente de varreduras cerebrais, foi capaz de prever todos os casos que avançaram para o Alzheimer, em média, seis anos antes do diagnóstico final da doença. Nesta métrica, o algoritmo superou significativamente os médicos radiologistas.
Embora alguns pesquisadores tenham aplaudido esses resultados promissores, muitos estão recomendando cautela, sugerindo que muito mais trabalho precisa ser feito para validar os resultados antes que esse algoritmo se transforme em aplicações clínicas.
“É um pequeno conjunto de dados, com apenas 40 pessoa e também um conjunto muito selecionado e não representativo de toda a população. Portanto, não podemos saber ainda se é relevante para a maioria das pessoas”, contrapõe John Hardy, da University College London.
É importante observar que os exames PET ainda não estão disponíveis para a maioria dos pacientes. Esse tipo de inovação no aprendizado de máquina é inegavelmente impressionante em um contexto acadêmico, mas ainda não oferece uma ferramenta útil para os médicos que esperam diagnosticar melhor os pacientes em massa.
“Atualmente, no Reino Unido, o uso do PET é limitado principalmente a pesquisas e ensaios clínicos, para garantir que novos medicamentos em potencial sejam testados nas pessoas certas”, explica Carol Routledge, da Alzheimer’s Research UK. “As tomografias PET são uma ferramenta poderosa, mas são caras e exigem instalações e conhecimentos especializados.”
No entanto, este estudo oferece mais uma prova de que os algoritmos de aprendizagem profunda podem ajudar na análise de grandes volumes de dados. Juntamente com um estudo recente da McGill University que revelou um algoritmo que pode avaliar uma variedade de dados diagnósticos para prever os primeiros estágios do declínio cognitivo, esta nova pesquisa reforça que computadores podem nos ajudar a prever doenças neurodegenerativas antes que os principais sintomas apareçam.
O estudo foi publicado no journal Radiology
antes de perder a memoria