notícias

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Novo Relatório de Sabedoria

Editor: Er Qiao Yang

[Introdução à Nova Sabedoria]A pesquisa da Universidade de Cambridge usa inteligência artificial para construir um modelo de aprendizado de máquina para prever com precisão o desenvolvimento da doença de Alzheimer. A precisão excede em muito os resultados dos testes clínicos, abrindo um novo caminho para a intervenção precoce da doença de Alzheimer.

Se a inteligência artificial pode ter um impacto positivo sem precedentes num campo, os “cuidados de saúde” devem ser um dos candidatos mais poderosos, especialmente o diagnóstico precoce e o tratamento de várias doenças difíceis.

A doença de Alzheimer é uma delas.

À medida que o envelhecimento da população avança, cada vez mais idosos são como uma “borracha” que aparece nos seus cérebros, e as suas memórias são gradualmente apagadas, incluindo o passado e os seus familiares mais próximos. grupo de idosos.

Atualmente, mais de 55 milhões de pessoas em todo o mundo sofrem de demência, com quase 10 milhões de novos casos todos os anos.

O tipo mais comum de demência é a doença de Alzheimer, responsável por 60% a 70% de todos os casos. Espera-se que o número de pacientes com demência quase triplique nos próximos 50 anos.

Globalmente, a doença custou aos sistemas de saúde 1,3 biliões de dólares só em 2019.

Quando se trata da doença de Alzheimer, a detecção precoce é crucial porque é aí que o tratamento pode ser mais eficaz.

No entanto, o diagnóstico precoce e o prognóstico da demência podem ser imprecisos sem o uso de testes invasivos ou caros, como a tomografia por emissão de pósitrons (PET) ou a punção lombar (que não estão disponíveis em todas as instalações médicas).

Como resultado, até um terço dos pacientes pode ser mal diagnosticado, enquanto outros podem ser diagnosticados demasiado tarde para receberem tratamento eficaz.

Além disso, para as pessoas afetadas, ter a doença pode desencadear depressão e ansiedade. Sem falar nos parentes indefesos e desesperados ao seu redor, que testemunharam os pacientes perdendo gradualmente a memória, tornando-se perturbados mentalmente e sofrendo colapsos emocionais, mas estão indefesos.

No entanto, o desenvolvimento da tecnologia de IA trouxe alguma luz a esta situação.

Pesquisadores do Departamento de Psicologia da Universidade de Cambridge desenvolveram um novo modelo de inteligência artificial que supera os métodos atuais de testes clínicos na previsão da progressão da doença de Alzheimer.

A equipe de pesquisa utilizou testes cognitivos e exames de ressonância magnética para prever se pacientes com comprometimento cognitivo leve desenvolveriam a doença de Alzheimer. Os modelos de aprendizado de máquina usaram dados não invasivos para prever com precisão a progressão da doença de Alzheimer em quatro em cada cinco casos.

Endereço do artigo: https://www.thelancet.com/action/showPdf?pii=S2589-5370%2824%2900304-3

Os resultados da pesquisa também foram publicados na revista eClinical Medicine (publicada pela The Lancet). Os autores acreditam que a tecnologia que utiliza diagnóstico e tratamento com inteligência artificial pode fornecer intervenção precoce e reduzir a dependência de procedimentos diagnósticos posteriores dispendiosos.

Prever com precisão a progressão da doença de Alzheimer

Modelo PPM

A equipe construiu o modelo usando testes cognitivos e exames de ressonância magnética de atrofia da substância cinzenta, a morte de células nervosas no cérebro, em 400 pacientes coletados por uma equipe de pesquisa dos EUA.

A fim de preencher a lacuna entre a inteligência artificial e a tradução clínica, o artigo constrói uma ferramenta de inteligência artificial clínica poderosa e interpretável baseada no modelo PPM (modelo prognóstico preditivo).

O modelo vai além dos métodos de classificação binária para prever indivíduos nos estágios iniciais da doença (comprometimento cognitivo leve, MCI), aqueles no estágio pré-sintomático (cognitivamente normais, NC) e aqueles com doença de Alzheimer (DA) confirmada. .

O PPM introduz métodos de modelagem de trajetória para prever com segurança tendências futuras de desenvolvimento de doenças a partir de dados multimodais coletados rotineiramente.

E o uso de vários tipos de dados de pacientes, incluindo a generalização de coortes de pesquisa para dados de pacientes do mundo real, pode aumentar a utilidade clínica e o potencial de adoção na área da saúde.

O PPM adota a estrutura GMLVQ de aprendizagem em conjunto, que é capaz de combinar dados de múltiplas modalidades (em vez de considerar um único tipo de dados) para prever com mais precisão a transformação precoce da doença do que marcadores clínicos padrão (ou seja, atrofia da substância cinzenta, declínio cognitivo) ou clínicos. diagnóstico para a probabilidade de doença de Alzheimer.

Aproveite o poder dos dados multimodais para fazer previsões a partir de dados não invasivos e de baixo custo coletados rotineiramente que podem não ser tão sensíveis quanto os biomarcadores, mas são mais economicamente acessíveis e de coleta não invasiva.

Esta abordagem orientada por IA para previsão antecipada de grandes modelos tem um potencial poderoso:

Ao prever a saúde dos pacientes e reduzir os custos dos cuidados de saúde, menos pacientes serão submetidos a testes de diagnóstico invasivos e dispendiosos;

Em segundo lugar, fornecer recursos escassos àqueles que mais necessitam pode melhorar a eficiência da atribuição de recursos médicos;

Finalmente, aproveitar grandes modelos para padronizar o diagnóstico entre clínicas poderia reduzir as desigualdades nos cuidados de saúde.

Coleta de dados de amostra

O modelo foi testado utilizando uma amostra de mais de 600 participantes dos Estados Unidos e mais 900 amostras de clínicas do Reino Unido e de Singapura.

Dados de uma amostra de 600 pessoas dos EUA da coorte de dados do estudo Alzheimer's Disease Neuroimaging Initiative (ADNI) foram usados ​​para treinamento de PPM.

900 amostras adicionais foram usadas para validação fora da amostra como dois conjuntos de dados de teste independentes, o NHS Memory Clinic Quantitative MRI of Brain Structural and Functional Brain (QMIN-MC) e o conjunto de dados do Centro de Cognição e Envelhecimento da Memória da Universidade Nacional de Cingapura (MACC) .

Esses conjuntos de dados diferem na demografia dos pacientes e nas ferramentas de coleta de dados, permitindo que experimentos testem simultaneamente a compatibilidade do modelo PPM com diferentes grupos nacionais e regionais.

Especificamente, para ADNI, as amostras foram selecionadas com base em critérios específicos relacionados ao CCL amnéstico e à doença de Alzheimer.

Os dados de ressonância magnética foram coletados em locais de coleta de ressonância magnética nos Estados Unidos. Em contraste, os dados QMIN-MC e MACC foram coletados de serviços representativos de neurologia e memória psiquiátrica no Reino Unido e Cingapura, respectivamente.

Portanto, essas coortes de pacientes geralmente refletem mais os perfis específicos de pacientes encontrados na prática clínica do que a coorte de estudo recrutada (ADNI).

Resultados experimentais

Os resultados dos testes mostraram que o algoritmo poderia distinguir entre pessoas com comprometimento cognitivo leve e aquelas que progrediriam para a doença de Alzheimer dentro de três anos.

E, utilizando apenas testes cognitivos e exames de ressonância magnética, obteve uma precisão de 82% na identificação de pessoas que desenvolveriam a doença de Alzheimer no prazo de três anos, e identificou corretamente 81% das pessoas que não desenvolveriam a doença de Alzheimer.

Além disso, também pode acompanhar a progressão da doença e fornecer o método de tratamento mais adequado de acordo com as diferentes circunstâncias do caso.

O modelo de IA também permitiu que os pesquisadores usassem dados da primeira consulta médica de cada pessoa para dividir os pacientes de Alzheimer em três grupos: aqueles cujos sintomas permaneceram estáveis ​​(cerca de 50%), aqueles cujos sintomas progrediram lentamente (cerca de 35%) e aqueles. cujos sintomas progrediram lentamente (cerca de 35 por cento). Pessoas cujos sintomas se desenvolvem mais rapidamente (cerca de 15%).

Essas previsões foram confirmadas quando os pesquisadores acompanharam os dados durante 6 anos de acompanhamento. Eles acreditam que a solução de IA é três vezes mais precisa do que o diagnóstico clínico na previsão da progressão da doença de Alzheimer.

Uma previsão antecipada precisa é importante porque pode ajudar a identificar pessoas com probabilidade de adoecer numa fase precoce, ao mesmo tempo que identifica aquelas que necessitam de monitorização cuidadosa porque a sua condição pode piorar rapidamente.

“Se quisermos enfrentar o crescente desafio de saúde colocado pela demência, precisaremos de melhores ferramentas para identificação e intervenção precoce”, disse Zoe Kourtzi, professora do Departamento de Psicologia da Universidade de Cambridge.

"Nossa visão é expandir o uso de ferramentas de inteligência artificial para ajudar os médicos a detectar precocemente grupos de doenças e usar os métodos de tratamento corretos. Num momento em que os recursos médicos estão sob enorme pressão, isso também ajudará a eliminar custos desnecessários e prejudiciais. Criar uma necessidade de testes de diagnóstico.”

Os testes precoces também são importantes para detectar diagnósticos errados e, em pessoas que apresentam sintomas como perda de memória, mas permanecem estáveis, os sintomas podem ser causados ​​por algo diferente da demência, como ansiedade ou depressão.

Ben Underwood, psiquiatra consultor honorário do CPFT e professor assistente do Departamento de Psiquiatria da Universidade de Cambridge, disse: "Problemas de memória são comuns à medida que envelhecemos. Clinicamente, é impossível determinar se este é o primeiro sinal de demência e causará problemas aos pacientes.

Se as pessoas com condições estáveis ​​puderem ser identificadas com precisão como não sofrendo da doença de Alzheimer, isso também reduzirá enormemente a pressão psicológica dos pacientes.

O professor Kourtzi disse: "Os modelos de IA são tão bons quanto os dados nos quais são treinados. Para garantir que nossos modelos tenham potencial para serem aplicados em ambientes de saúde, não usamos apenas dados de coortes de pesquisa, mas também dados de pacientes de clínicas, treiná-lo e testá-lo, o que mostra que o modelo pode ser promovido para aplicação clínica”.

No futuro, a equipa de investigação espera estender o seu modelo a outros tipos de demência, como a demência vascular e a demência frontotemporal, e utilizar diferentes tipos de dados, como marcadores em análises ao sangue.

A pesquisa foi apoiada por várias instituições, incluindo Wellcome, Alzheimer's Research UK, Royal Society e National Institute for Health and Care Cambridge Biomedical Research Centre.

Diagnóstico precoce de demência

Além de construir modelos de previsão de IA, as universidades europeias estão a utilizar ativamente a tecnologia de inteligência artificial para resolver o problema da doença de Alzheimer.

Apoiado por 14 milhões de euros do programa Horizonte da UE, o projeto AI-Mind está a desenvolver duas ferramentas de inteligência artificial que poderão permitir o diagnóstico precoce da demência.

AI-Mind será lançado em 2021 e continuará até 2026. Os seus parceiros incluem sete universidades europeias, incluindo a Universidade Aalto na Finlândia, a Universidade de Tallinn na Estónia e o Centro Médico da Universidade Radboud nos Países Baixos.

Tem como alvo específico o estágio de comprometimento cognitivo leve (MCI), onde não há defeitos estruturais do cérebro e a intervenção ainda é possível.

Para atingir esse objetivo, os 13 parceiros por trás do projeto estão construindo o AI-Mind Connector e o AI-Mind Predictor.

O Connector analisa imagens cerebrais de EEG para detectar sinais precoces que podem levar à demência.

O Predictor combina esses dados com testes cognitivos e análises de sangue para estimar o risco da doença com mais de 95% de precisão.

Ambas as ferramentas serão integradas às plataformas de diagnóstico em nuvem atualmente utilizadas por profissionais médicos.

O objetivo final do projeto é ambicioso: reduzir o tempo de diagnóstico de 2 a 5 anos para 1 semana. Desta forma, espera-se prolongar o período assintomático dos pacientes com CCL.

Rastreie aglomerados de proteínas

Outro caso de uso da IA ​​na luta contra a demência é melhorar a nossa compreensão dos aglomerados de proteínas no corpo e rastrear a sua patologia.

Para que nosso corpo funcione adequadamente, ocorrem bilhões de interações entre proteínas e outras moléculas dentro das células.

Mas quando a interação dá errado, as proteínas podem aglomerar-se e deteriorar-se, levando a doenças neurológicas como a doença de Alzheimer.

Pesquisadores da Universidade de Copenhague desenvolveram um algoritmo de IA que pode detectar aglomerados de proteínas com um bilionésimo de tamanho em imagens de microscópio.

O algoritmo também pode contar aglomerados, classificá-los por formato e tamanho e monitorar como eles mudam ao longo do tempo.

Isto poderia ajudar os cientistas a compreender por que razão estes aglomerados se formam, levando à descoberta de novos medicamentos e tratamentos.

Segundo a equipe, a ferramenta automatiza um processo que levaria semanas para os pesquisadores serem concluídos em apenas alguns minutos.

Além disso, este algoritmo de aprendizado de máquina está disponível gratuitamente na Internet como um modelo de código aberto.

“À medida que investigadores de todo o mundo começarem a implementar esta ferramenta, ela ajudará a criar uma grande biblioteca de estruturas moleculares e proteicas relevantes para uma variedade de doenças e biologia”, disse Nikos Hatzakis, co-autor do estudo.

Referências:

https://www.medicaldevice-network.com/news/university-of-cambridge-ai-model-alzheimers/

https://thenextweb.com/news/europe-universities-using-ai-battle-demência