THE USE OF ARTIFICIAL INTELLIGENCE IN THE DIAGNOSIS OF NEUROLOGICAL DISEASES: ALZHEIMER’S DISEASE.
REGISTRO DOI: 10.5281/zenodo.10175972
André Freitas Diniz¹, Johnny Franck Oliveira Araújo¹, Júlia Martins Moreira¹, Silvano Ribas Filho¹, Antônio Fernando Ribeiro Silva Júnior²*
RESUMO
Introdução: As doenças neurodegenerativas, como a Doença de Alzheimer (DA), representam um desafio considerável devido à sua natureza progressiva e irreversível que afeta o sistema nervoso central. A crescente prevalência da DA e seu impacto na qualidade de vida destacam a importância da pesquisa eficaz. Objetivo: O objetivo deste estudo é avaliar a contribuição da Inteligência Artificial (IA) no diagnóstico de doenças neurológicas, com foco na DA. Resultados e Discussão: Os resultados e discussão destacam o papel crucial da IA na pesquisa e diagnóstico de doenças neurológicas, especialmente a DA, graças à sua capacidade de analisar grandes volumes de dados e identificar padrões complexos. A detecção precoce é fundamental, uma vez que a cura permanece um desafio. A IA melhora a precisão diagnóstica, auxiliando na interpretação de imagens médicas, como ressonância magnética e tomografia PET. A medicina de precisão, em ascensão, busca terapias personalizadas, e a IA possibilita diagnósticos mais rápidos e precisos, abrindo caminho para intervenções terapêuticas mais eficazes. Colaborações multidisciplinares e avanços na pesquisa de biomarcadores ampliam a compreensão das doenças neurodegenerativas, promovendo melhorias na qualidade de vida dos pacientes. Conclusão: Este estudo enfatiza a relevância da IA na neurologia, especialmente no diagnóstico e tratamento da DA. A IA impulsiona avanços significativos na área, contribuindo para a medicina de precisão e oferecendo soluções para enfrentar os desafios das doenças neurodegenerativas.
Palavras-chave: Inteligência Artificial; Doença de Alzheimer; Doenças Neurológicas.
ABSTRACT
Introduction: Neurodegenerative diseases, such as Alzheimer’s Disease (AD), pose a significant challenge due to their progressive and irreversible nature, affecting the central nervous system. The increasing prevalence of AD and its impact on quality of life underscore the need for effective research. Objective: The objective of this study is to assess the contribution of Artificial Intelligence (AI) to the diagnosis of neurological diseases, with a focus on AD. Results and Discussion: The results and discussion highlight the crucial role of AI in the research and diagnosis of neurological diseases, especially AD, owing to its capacity to analyze extensive data sets and identify complex patterns. Early detection is essential as a cure remains elusive. AI enhances diagnostic accuracy by assisting in the interpretation of medical images, such as magnetic resonance imaging and positron emission tomography. The rising field of precision medicine seeks personalized therapies, with AI enabling faster and more accurate diagnoses, paving the way for more effective therapeutic interventions. Multidisciplinary collaborations and advances in biomarker research expand the understanding of neurodegenerative diseases, promoting improvements in patients’ quality of life. Conclusion: This study underscores the significance of AI in neurology, particularly in the diagnosis and treatment of AD. AI propels substantial advancements in the field, contributing to precision medicine and offering solutions to address the challenges of neurodegenerative diseases.
Keywords: Artificial Intelligence; Alzheimer’s Disease; Neurological Diseases.
Introdução
O avanço tecnológico nas últimas décadas tem conduzido a sociedade a um novo patamar de desenvolvimento, permeado pela integração e aplicação de tecnologias inovadoras em diversas áreas¹. Nesse contexto, a Inteligência Artificial (IA) surge como uma ferramenta poderosa, capaz de transformar a maneira como lidamos com problemas complexos, principalmente na área da saúde. Este trabalho visa explorar a interseção entre a IA e uma das condições neurológicas mais prevalentes e desafiadoras da atualidade: a Doença de Alzheimer (DA).
As doenças neurodegenerativas (DNs) representam um desafio significativo para a sociedade atual, sendo enfermidades implacáveis, debilitantes e incuráveis². Elas levam à deterioração progressiva e irreversível das células cerebrais, resultando em alterações funcionais do sistema nervoso central (SNC)². A Doença de Alzheimer (DA) é um exemplo proeminente desse grupo de condições, cuja incidência crescente na população as torna uma séria preocupação de saúde pública.
O impacto dessas doenças neurodegenerativas na qualidade de vida das pessoas afetadas e de seus cuidadores é notável, exigindo atenção contínua para enfrentar esse desafio de maneira eficaz². A Doença de Alzheimer (DA) é caracterizada por uma progressão gradual, classificada em estágios, sendo eles: estágio inicial, estágio médio, estágio avançado e estágio terminal³.
A progressão da DA resulta em uma perda significativa de autonomia, impactando negativamente a vida cotidiana e a interação social do idoso afetado. A enfermidade é frequentemente associada à deposição de placas de amiloide no cérebro, à formação de emaranhados neurofibrilares e a desequilíbrios nos sistemas de neurotransmissores¹. É uma condição que afeta predominantemente os idosos e se manifesta por meio de sintomas como perda de memória, desorientação temporal e espacial, dificuldade na comunicação e mudanças comportamentais4.
A DA resulta da acumulação de proteína beta-amiloide no cérebro, levando à morte de células nervosas e à atrofia cerebral5. Isso compromete drasticamente a capacidade dos pacientes de realizar suas atividades diárias, frequentemente tornando-os dependentes de cuidadores para suas necessidades básicas5. Essa conexão entre a manifestação clínica dos sintomas e a progressão patológica da doença destaca a complexidade e a gravidade da DA. A crescente prevalência da Doença de Alzheimer na população idosa tem um impacto significativo na sociedade, demandando uma abordagem multidisciplinar abrangente para o diagnóstico, tratamento e cuidados adequados6. Atualmente, a busca por soluções eficazes no tratamento das doenças neurodegenerativas (DNs) representa um desafio constante para a ciência médica.
O diagnóstico da Doença de Alzheimer (DA) representa um desafio significativo devido à ausência de marcadores biológicos facilmente testáveis. Ao contrário de algumas condições médicas, a DA não pode ser confirmada por meio de um exame de sangue simples ou de uma análise laboratorial específica. Em vez disso, o diagnóstico geralmente envolve a observação cuidadosa dos sinais e sintomas apresentados pelo paciente. A combinação de testes cognitivos, avaliações clínicas e interpretação de neuroimagens desempenha um papel crucial na determinação da presença e gravidade da DA¹. Esta abordagem multifacetada, embora valiosa, destaca a necessidade premente de métodos mais precisos e específicos para o diagnóstico precoce e confiável da DA.
A busca por biomarcadores e avanços em técnicas de neuroimagem oferece um cenário promissor. A identificação de marcadores biológicos substanciais pode não apenas aprimorar a precisão do diagnóstico, mas também permitir intervenções mais eficazes em estágios iniciais da doença.
Em um contexto mais amplo, a pesquisa em inteligência artificial (IA) emerge como uma ferramenta promissora, potencialmente capaz de analisar grandes conjuntos de dados de forma rápida e precisa, contribuindo assim para a identificação precoce de padrões associados à Doença de Alzheimer (DA)9,¹. Essa perspectiva ressalta a urgência de explorar e desenvolver métodos inovadores que possam transformar o cenário do diagnóstico da DA, impactando positivamente a eficácia das intervenções terapêuticas e melhorando a qualidade de vida dos pacientes afetados.
Alinhado a essas inovações, a Inteligência Artificial (IA) destaca-se como uma ferramenta de grande promessa nesse cenário9. Dentro do âmbito da ciência da computação, a IA não só identifica problemas relacionados às doenças neurodegenerativas (DNs) como também busca soluções eficazes. Desse modo, a IA apresenta-se como uma aliada valiosa no diagnóstico precoce, caracterização das doenças, acompanhamento de sua progressão e monitoramento dos efeitos dos tratamentos. Sua abordagem mais individualizada no tratamento das DNs, incluindo a DA, sugere um horizonte promissor na gestão dessas condições complexas.
A aplicação da IA na pesquisa e no tratamento das DNs possibilita uma investigação mais profunda desses distúrbios, oferecendo uma visão abrangente das doenças e pavimentando o caminho para a aplicação da medicina de precisão8,9. Por meio de redes colaborativas que envolvem centros médicos, institutos de pesquisa e especialistas altamente qualificados, a medicina de precisão pode ser aplicada em diversos níveis de atendimento.
Essa abordagem visa fornecer terapias ideais e seguras, distinguir indivíduos em risco, identificar pacientes em estágios pré-clínicos ou iniciais da doença e definir estratégias individualizadas e preventivas para aprimorar o prognóstico e a qualidade de vida dos pacientes9. Assim, a IA não só simplifica a análise de grandes conjuntos de dados, mas também habilita uma abordagem mais personalizada no diagnóstico e tratamento dos distúrbios neurodegenerativos, como a Doença de Alzheimer, inaugurando novas perspectivas para enfrentar esse desafio de saúde pública de maneira mais eficiente e inovadora9.
Nota-se, então, um contexto no qual a aplicação tecnológica toma uma dimensão fundamental e central na neurologia. A presente revisão sistemática de literatura objetiva ampliar conhecimentos e categorizar aplicações do uso da IA para o diagnóstico, tratamento e prognóstico da Doença de Alzheimer uma vez que, atualmente, seu uso se torna amplamente aplicável e essencial para contornar as etapas da moléstia.
A inteligência artificial se torna uma aliada valiosa no enfrentamento dos desafios impostos pelas doenças neurodegenerativas, oferecendo uma abordagem mais personalizada no diagnóstico e tratamento, o que abre novas perspectivas para a gestão eficaz dessas condições e a melhoria da qualidade de vida dos pacientes afetados10. Ao explorar as interfaces entre a IA e a neurologia, este estudo visa não apenas compreender o estado atual das pesquisas, mas também delinear caminhos para futuras investigações que ampliem ainda mais a eficácia da IA no diagnóstico precoce e no tratamento da Doença de Alzheimer.
Material e Métodos
Este estudo conduz uma pesquisa descritiva no formato de revisão integrativa narrativa da literatura com o objetivo de investigar e categorizar os métodos empregados pela inteligência artificial no diagnóstico de doenças neurológicas, com ênfase na Doença de Alzheimer. A pesquisa envolveu uma análise aprofundada de estudos previamente publicados, por meio de uma abordagem exploratória e qualitativa para compreender os impactos da poluição do ar na saúde humana.
A pesquisa se concentrou em identificar as abordagens e técnicas utilizadas na aplicação da inteligência artificial para a detecção precoce, caracterização e acompanhamento da progressão das doenças neurológicas, em especial a Doença de Alzheimer. Para alcançar esse objetivo, a pesquisa bibliográfica foi conduzida por meio de plataforma de bases de dados online, como a National Library of Medicine (PubMed MEDLINE), Scientific Electronic Library Online (Scielo), Cochrane Database of Systematic Reviews (CDSR), Google Acadêmico, Biblioteca Virtual em Saúde (BVS), Web of Science e EBSCO Information Services, durante os meses de setembro e novembro de 2023.
Para identificar as obras relevantes, foram utilizadas palavras-chave presentes nos descritores em Ciências da Saúde (DeCS), tanto em inglês (“artificial intelligence”, “neurodegenerative”, “alzheimer”, “diagnosis”) quanto em português (“inteligência artificial”, “neurodegenerativa”, “alzheimer”, “diagnóstico”).
Os critérios de inclusão abrangeram artigos originais relacionados ao tema da pesquisa, com acesso integral ao conteúdo disponível e publicados nos últimos 10 anos, entre 2013 e 2023, em inglês ou português ou traduzidos, originados de revistas especializadas na área da saúde. Os critérios de inclusão incluíram a disponibilidade gratuita e a qualidade científica, assegurando, assim, a confiabilidade dos dados empregados na revisão.
A estratégia de seleção dos artigos compreendeu as seguintes etapas: pesquisa nas bases de dados selecionadas, análise dos títulos de todos os artigos encontrados e exclusão daqueles que não se enquadravam no tema, avaliação crítica dos resumos e leitura na íntegra dos artigos previamente selecionados. Após uma revisão criteriosa das publicações, 24 artigos científicos foram selecionados, 12 foram excluídos devido aos critérios de exclusão, resultando em um total de 12 artigos científicos considerados na revisão integrativa da literatura com os descritores mencionados anteriormente. Além disso, foi aplicado um filtro para incluir apenas artigos publicados nos últimos dez anos em língua portuguesa e inglesa. Artigos que não estavam em inglês ou português, não haviam passado pelo processo de revisão por pares ou não estavam relacionados à utilização de inteligência artificial no diagnóstico de doenças neurodegenerativas foram excluídos.
A metodologia de análise de conteúdo foi adotada para extrair informações essenciais dos artigos selecionados na revisão da literatura. Essa abordagem qualitativa permitiu uma análise aprofundada das estratégias e técnicas empregadas pela inteligência artificial no diagnóstico dessa doença, proporcionando uma compreensão contextualizada das práticas e inovações nesse campo de pesquisa.
Esta pesquisa, embasada em uma abordagem qualitativa e na revisão integrativa da literatura, busca elucidar os padrões e tendências relacionados ao uso da inteligência artificial nesse contexto, promovendo avanços significativos na área de neurologia e na qualidade de vida dos pacientes afetados.
Resultados e Discussão
A Inteligência Artificial (IA) tem emergido como uma ferramenta revolucionária no cenário do diagnóstico da Doença de Alzheimer (DA), oferecendo avanços significativos e abrindo novas perspectivas na área da neurologia. Essa tecnologia, com características relacionadas à inteligência humana, tem se destacado em diversas frentes, desempenhando um papel crucial na interpretação de grandes volumes de dados médicos11.
Na medicina, a IA tem sido aplicada com êxito, especialmente na análise de imagens médicas, como ressonância magnética estrutural (SMRI), oferecendo suporte no diagnóstico precoce da DA12. A capacidade da IA de desenvolver sistemas de Diagnóstico Assistido por Computador (CAD) tem se mostrado eficaz, proporcionando precisão e confiabilidade na interpretação de imagens complexas12.
Recentes estudos destacam que a IA vai além da simples identificação da DA, desempenhando um papel essencial no acompanhamento da progressão da doença. Essa capacidade possibilita intervenções mais personalizadas e eficazes, marcando um avanço significativo na abordagem terapêutica².
A aplicação da IA também tem impacto na medicina de precisão, facilitando uma análise mais aprofundada dos distúrbios neurodegenerativos. A colaboração entre centros médicos, institutos de pesquisa e especialistas qualificados, impulsionada pela IA, oferece uma compreensão mais completa da DA e abre caminho para tratamentos mais personalizados14.
Os algoritmos de aprendizado profundo têm contribuído para aprimorar a precisão e robustez no diagnóstico final da DA a partir de estudos de imagem, como o F-FDG PEI. Essa abordagem tem potencial para integrar-se aos fluxos de trabalho clínicos, fornecendo suporte valioso a radiologistas e médicos15.
Apesar dos avanços promissores, o campo enfrenta desafios contínuos, como a necessidade de validação externa e a integração eficiente da IA nos fluxos de trabalho clínicos. No entanto, os resultados indicam uma era emocionante na qual a IA não apenas aprimora o diagnóstico da DA, mas redefine a abordagem terapêutica para uma das condições mais desafiadoras da saúde global10.
O futuro da neurologia, impulsionado pela inteligência artificial, promete avanços ainda mais significativos, proporcionando uma compreensão mais profunda e soluções mais eficazes. A IA não é apenas uma ferramenta de apoio no diagnóstico da DA; é um catalisador de inovação, moldando a maneira como enfrentamos os desafios complexos da saúde neurológica10.
Ressalta-se que a Inteligência Artificial (IA) abrange sistemas com características relacionadas à inteligência humana, atuando em áreas como percepção, processamento de linguagem natural, solução de problemas, aprendizagem e adaptação, interagindo com o ambiente e buscando compreender os princípios que regem o comportamento humano, animal e artificial11. Na área da medicina, por meio da análise de conjuntos extensos de dados, é possível desenvolver abordagens e estratégias para resolver questões médicas12.
Essa tecnologia tem um enfoque recente, visando desenvolver e aplicar métodos computacionais que possam emular a tomada de decisões humanas de forma autônoma, sem necessidade de interferência direta do ser humano13. Essa autonomia se baseia em uma extensa gama de informações contidas em bancos de dados13. Portanto, a IA busca replicar a capacidade de tomada de decisões humanas de forma autônoma, proporcionando avanços significativos em diversas áreas.
De acordo com a literatura5,14, a base conceitual da IA se apoia em princípios matemáticos e de ciência da computação, sendo que elementos-chave para seu funcionamento incluem a infraestrutura de computação de alto desempenho (HPC), o acesso a grandes volumes de dados e o desenvolvimento de algoritmos. A qualidade dos dados exerce uma influência significativa no desenvolvimento de aplicações de IA na medicina, especialmente na radiologia, onde as imagens médicas frequentemente dependem de avaliações visuais, que podem gerar diversas interpretações5,14. O treinamento de algoritmos de IA pode ser uma solução para mitigar essa variabilidade de pontos de vista. Portanto, a IA se insere em diversos contextos, desde a tomada de decisões autônomas até a interpretação de informações médicas, promovendo avanços significativos em várias disciplinas5,14.
A IA oferece uma variedade de algoritmos, que podem ser agrupados em diferentes categorias com base em suas abordagens. Alguns dos principais grupos incluem algoritmos de aprendizado supervisionado, que preveem saídas com base em dados de treinamento rotulados; algoritmos de aprendizado não supervisionado, que buscam identificar padrões nos dados sem rótulos; e algoritmos de aprendizado por reforço, que aprendem com base em feedback sobre ações tomadas em um ambiente15,5.
No âmbito da medicina, a neurologia emergiu como uma das áreas que mais se beneficiou das inovações proporcionadas pela Inteligência Artificial (IA). A capacidade da IA de analisar grandes volumes de dados e identificar padrões complexos provou ser um ativo inestimável na pesquisa e no diagnóstico de doenças neurológicas, incluindo a Doença de Alzheimer16.
A aplicação da inteligência artificial (IA) no diagnóstico da Doença de Alzheimer (DA), é motivada pela incontestável relevância e complexidade dessa questão na área da saúde. A DA é uma das doenças neurológicas mais prevalentes e impactantes no cenário global, afetando milhões de pessoas e suas famílias17. Sua natureza progressiva e a falta de cura eficaz tornam o diagnóstico precoce um fator crítico para possibilitar intervenções terapêuticas e melhorar a qualidade de vida dos pacientes.
Dentre os distúrbios neurodegenerativos, as demências são as mais prevalentes, afetando aproximadamente 7 milhões de pessoas na Europa, com previsão de duplicação desse número até 204010,5. A Doença de Alzheimer (DA) é uma das demências mais conhecidas, caracterizada pela deposição de amiloide no cérebro, emaranhados neurofibrilares e frequentemente associada à perda significativa de neurônios e desequilíbrios nos sistemas de neurotransmissores.
O diagnóstico do Alzheimer é comumente realizado por meio de avaliação clínica e análise de exames de imagem por especialistas em neurologia16. No entanto, em situações em que as características presentes nas imagens não permitem uma distinção clara entre pacientes saudáveis e aqueles com Alzheimer, técnicas de Inteligência Computacional têm sido desenvolvidas para auxiliar os especialistas na determinação mais precisa do estado de saúde dos pacientes18.
A pesquisa em visão computacional tem demonstrado crescente interesse no diagnóstico auxiliado por computador (CAD) aplicado à ressonância magnética estrutural (SMRI) para o diagnóstico precoce da doença de Alzheimer. Estratégias de CAD buscam aprimorar a capacidade discriminatória integrando diferentes modalidades de imagens em um único modelo de aprendizado. A modalidade ImageTens, que fornece informações complementares à ressonância magnética anatômica, tem se destacado como promissora. No entanto, a integração das informações relevantes do DTI (Diffusion Tensor Imaging) apresenta desafios substanciais19,5.
Embora não exista uma cura conhecida para a Doença de Alzheimer, a detecção precoce da doença oferece a possibilidade de adotar tratamentos que possam atenuar os impactos causados por essa condição, melhorando a qualidade de vida do paciente18. No entanto, a eficácia dessas intervenções terapêuticas está diretamente relacionada ao diagnóstico precoce e preciso da doença, uma vez que não há um exame específico em vida, e a confirmação do Alzheimer só pode ser obtida por meio de autópsia, após o falecimento do paciente18.
Ressalta-se que o diagnóstico precoce é crucial para proporcionar tratamentos adequados e melhorar a qualidade de vida dos pacientes. da Doença de Alzheimer (DA, além do mais a doença requer confirmação patológica, seguindo critérios bem estabelecidos, como os definidos pelo Instituto Nacional do Envelhecimento (NIA) e pela Associação de Alzheimer (AA)². Isso envolve a identificação de pelo menos um biomarcador anormal entre ressonância magnética (MRI), tomografia por emissão de pósitrons (PET) e fluido cerebrospinal (CSF)¹.
Além disso, há uma crescente evidência do uso desses biomarcadores, que estão relacionados à fisiopatologia da doença. Por exemplo, a ressonância magnética pode detectar mudanças estruturais iniciais no lobo temporal medial, como o córtex entorrinal e o hipocampo. O PET com fluorodesoxiglicose (FDG) mede o metabolismo da glicose, enquanto o PET com amiloide identifica o acúmulo de amiloide no tecido. Biomarcadores no CSF refletem as mudanças nos níveis de Aß e proteínas tau20,1.
Nesse contexto, observa-se que o desempenho geral ao utilizar a Inteligência Artificial (IA) foi satisfatório, especialmente em modalidades comuns, como ressonância magnética, SPECT, estado eletroencefalográfico (EEG), caligrafia e fala na Doença de Parkinson2. O modelo utilizado atingiu uma precisão superior a 80%, destacando a promissora utilização de ferramentas de Computer-Aided Design (CAD) no diagnóstico não apenas da Doença de Parkinson, mas também de outras doenças neurodegenerativas. Portanto, a combinação dessas abordagens pode contribuir para avanços significativos na detecção precoce e no diagnóstico preciso da DA, possibilitando tratamentos mais eficazes e melhorias na qualidade de vida dos pacientes2.
De acordo com estudos anteriores2, uma variedade de métodos de análise de imagens baseados em IA é empregada para auxiliar no diagnóstico de patologias, resultando em aprimoramentos na precisão e confiabilidade dos diagnósticos.
Um algoritmo de aprendizado profundo pode prever o diagnóstico final da Doença de Alzheimer (DA) a partir de estudos de imagem com fluorodesoxiglicose (F-FDG PEI) do cérebro com alta precisão e robustez em dados de teste externos15,5. Além disso, o estudo propõe abordagens de aprendizagem profunda e um conjunto de hiperparâmetros de rede neural convolucional validados em um conjunto de dados público. Com mais validação externa em grande escala em dados de múltiplas instituições e calibração do modelo, o algoritmo pode ser integrado ao fluxo de trabalho clínico, servindo como uma importante ferramenta de apoio à decisão para auxiliar radiologistas e médicos no diagnóstico precoce de DA a partir de estudos de imagem FDG PET21,5.
O estudo conduzido em 2022 apresenta uma análise abrangente do uso da IA no diagnóstico de doenças neurodegenerativas, incluindo a demência5. Os resultados indicam que a IA é capaz de oferecer níveis notáveis de precisão e rapidez na identificação dessas condições, muitas vezes superando a capacidade dos médicos em detectar sinais iniciais2.
Atualmente, existe uma ampla oferta de tecnologia e ferramentas computacionais que podem facilitar a pesquisa científica, permitindo análises em larga escala. Isso possibilita uma investigação mais profunda dos distúrbios neurodegenerativos, fornecendo uma visão mais abrangente dessas doenças10. A criação de redes colaborativas envolvendo centros médicos, institutos de pesquisa e especialistas altamente qualificados é fundamental para otimizar o tratamento dessas patologias5. Com o auxílio da inteligência artificial, os distúrbios neurodegenerativos podem ser estudados em maior profundidade, oferecendo uma compreensão mais completa da doença e abrindo caminhos para a aplicação da medicina de precisão.
O estudo realizado em 2023 se destaca por explorar abordagens inovadoras no tratamento da Doença de Alzheimer, incluindo o uso da IA. A discussão evidencia a capacidade da IA não apenas na identificação, mas também no acompanhamento da progressão da doença, o que pode levar a intervenções mais personalizadas e eficazes2.
Com o intuito de fornecer uma visão abrangente das descobertas e avaliações feitas no campo da Inteligência Artificial aplicada ao diagnóstico da Doença de Alzheimer (DA), é essencial realizar uma análise comparativa dos resultados obtidos por diferentes estudos e pesquisas. Abaixo, apresentamos um quadro comparativo que destaca as principais descobertas, abordagens e métricas de desempenho dos estudos selecionados. Esse quadro permitirá uma compreensão clara das contribuições da IA no diagnóstico da DA, suas tendências e áreas de melhoria.
Quadro 1 Tabela comparativa de resultados
| Título | Autor | Ano | Método de IA Utilizado | Resultados Principais |
| 1. Inteligência Artificial como um Auxílio ao Di agnóstico de Demência | Felipe de Araújo, Alexandre; da Cruz Morais, Jeniffer e Martins, Ernane | 2023 | Convolutional Neural Network (CNN) | A pesquisa revisou o uso de IA na detecção precoce de demência em adultos, com foco na doença de Alzheimer. Diversos modelos de IA incluindo redes neurais de aprendizado profundo, foram empregados, alcançando precisões impressionantes, chegando a 98,3%. A IA superou limitações convencionais, permitindo diagnósticos mais precisos e automação da triagem de demência. No entanto, a pesquisa reconheceu a necessidade de abordar limitações, como a busca limitada de dados. Esses resultados destacam o potencial transformador na medicina23 |
| 2.Uso da Inteligência Artificial no Diagnóstico de Doenças Neurodegenerativas: Uma Revisão Integrativa | Silva Souza, M., Nery, S. B. M.., Araújo, S. M.., Araújo, P. da C.., Sousa, A. M. C.., Silva, Élida B. da., Nascimento, I. G. do., Braga, E. M. de S.., Prado, T. M.., Mano, S. de S.., Nunes, G. F.., Moura, A. de J.., & Freitas, R. de C. | 2022 | O artigo não fornece informações específicas sobre qual método de IA foi mais utilizado nos estudos analisados. Ele menciona que a IA foi aplicada com sucesso em várias áreas, incluindo Ma chine Learning, Deep Learning e algoritmos de aprendizado de máquina | A pesquisa analisou estudos sobre o uso de inteligência artificial (IA) no diagnóstico de doenças neurodegenerativas, destacando a melhoria da precisão e rapidez do diagnóstico. A IA, incluindo Machine Learning e Deep Learning, foi aplicada com sucesso em análises de sintomas, neuroimagens e biomarcadores. A IA é vista como uma ferramenta valiosa para o desenvolvimento de tratamentos preventivos e personalizados. Os estudos sublinham a importância contínua da IA na área médica e no cuidado da saúde em uma população que envelhece2 |
| 3.Inteligência Artificial e Doenças Mentais | Abreu Rodrigues, F. de | 2021 | O uso da Realidade Virtual em combinação com a inteligência artificial em terapias, mas não especifica um método de IA dominante. | A terapia com Realidade Virtual (RV) tem se mostrado eficaz no tratamento de fobias, transtorno de pânico e demência, proporcionando resultados positivos. Além disso, a RV é uma ferramenta educacional dinâmica e motivadora. A combinação da RV com a inteligência artificial promete ampliar as opções terapêuticas e de pesquisa24 |
| 4.Abordagens Inovadoras no Tratamento da Do ença de Alzheimer | Souza, G. H. L. de, Conte, T. C., Scheidt, J. F. H. C., Vargas, J. R., As sis, T. Q. de, Costa, A. C. M. de S. F. da, Romeiro, E. T., Duarte, G. E., Perovano Filho, J. R., & Buss, A. P. T. | 2023 | O texto discute métodos como terapias baseadas em anticorpos monoclonais, modulação imunológica, medicina personalizada, uso de biomarcadores, inteligência artificial e tecnologias avançadas | O texto discute abordagens inovadoras no tratamento da doença de Alzheimer. Destacam-se terapias baseadas em anticorpos monoclonais que visam proteínas específicas e mostram potencial para retardar a progressão da doença. Além disso, a modulação do sistema imunológico e a medicina personalizada com base em análise genômica oferecem novas perspectivas. A inteligência artificial e tecnologias avançadas facilitam o diagnóstico e tratamento. No entanto, desafios como efeitos colaterais e questões éticas precisam ser abordados, enfatizando a importância da colaboração para melhorar a qualidade de vida dos pacientes com Alzheimer6 |
| 5.Inteligência Artificial e Medicina | Lobo, Luiz Carlos | 2017 | O método de IA mais utilizado no texto é o processamento de da dos para aprimorar di agnósticos e tratamentos médicos, com des taque para algoritmos, análise de grandes vo lumes de informações, reconhecimento de padrões e sistemas de apoio á decisão clínica | O texto aborda o uso da Inteligência Artificial (IA) na medicina, destacando como os computadores podem analisar dados médicos e propor diagnósticos e tratamentos. Discute o papel da IA na análise de imagens médicas e na sugestão de diagnósticos diferenciais. Além disso, menciona a importância de sistemas de apoio à decisão clínica, o uso de big data na saúde e exemplos de programas de IA, como o Watson da IBM e o Deep Mind da Google. O texto ressalta que, embora a IA seja uma ferramenta valiosa, os médicos desempenham um papel insubstituível na explicação e no atendimento aos pacientes, combinando o “know-what” da IA com o know-why da prática médica12 |
| 6.Uso da inteligência artificial na ressonância magnética para o diagnóstico da doença de Alzheimer: um artigo de revisão | Silva, G., Medei ros, A., Sabino, B., Britto, C., & Farias e Melo, H. J. | 2022 | O método de IA mais destacado no texto analisado é o “Aprendizado Profundo” (Deep Learning), com ênfase na “Rede Neural Convolucional” (CNN – Convolutional Neural Network). Além disso, o texto menciona o uso de algoritmos de aprendizado profundo em vá rias técnicas de pro cessamento de imagem para aprimorar o diagnóstico da doença. | A inteligência artificial (IA) é usada no diagnóstico da Doença de Alzheimer, melhorando a precisão e eficiência dos exames de ressonância magnética (RM). Ela auxilia radiologistas na interpretação de imagens, identificando anormalidades, e pode prever a evolução da doença ao longo do tempo. A IA não substitui médicos, mas aprimora o pro cesso diagnóstico. Essa abordagem também tem potencial em outros campos médicos. A inclusão da IA na rotina diagnóstica pode proporcionar diagnósticos precoces e trata mentos mais eficazes, reduzindo custos e melhorando a qualidade de vida dos pacientes5 |
| 5.Inteligência Artificial Para o Apoio ao Diagnóstico da Doença de Alzheimer utilizando Imagens de Ressonância Magnética | Azevedo, W.W. Maia, M.C. Pequeno, P.H.A. Santana, M.A. Silva, G.S.L. dos Santos, W.P. | 2019 | O método de Inteligência Artificial mais utilizado no artigo analisado foi o “Random Forest” (Floresta Aleatória), seguido pela “Rede Bayeseana” | O estudo avaliou a capacidade de classifica dores em diagnosticar a doença de Alzheimer com alta precisão e baixo custo computacional. Os resultados indicam que a extração da média com poucos atributos alcançou as melhores porcentagens de acerto acima de 90%, especialmente com os classificadores Random Forest e Rede Bayeseana. Embora as bases de dados reduzidas tenham apresentado desafios, o estudo sugere que a Inteligência Artificial, em particular o Random Forest e Redes Bayesianas, é uma abordagem promissora para o diagnóstico da doença de Alzheimer com eficiência e custos reduzidos17 |
| 9.Inteligência Artificial no diagnóstico de doenças neurodegenerativas: uma revisão sistemática de literatura | Brito, Emilayne Nicácio Dias; Figueiredo, Bárbara Queiroz De; Souto, Diego Nunes; Nogueira, Júlia Fernandes; Melo, Ana Luísa Soares De Castro; Silva, Iorrane Tavares Da; Oliveira, Iuri Pimenta E Almeida, Marcelo Gomes | 2021 | Não há uma indicação. Diferentes métodos, como algoritmos lineares, não lineares, árvores de decisão e redes neurais, são menciona dos, mas não se destaca um como o mais utilizado | O texto destaca o papel crucial da Inteligência Artificial (IA) na medicina, especial mente na neurologia. Ele descreve a aplicação de diferentes algoritmos de IA, como lineares, não lineares, árvores de decisão e redes neurais, para diagnósticos e tratamentos mais precisos de distúrbios neurodegenerativos, incluindo a Doença de Alzheimer. A IA é vista como uma ferramenta revolucionária que melhora a precisão dos diagnósticos médicos e impulsiona a medicina de precisão. Portanto, sugere-se que futuras pesquisas explorem o potencial da IA no diagnóstico precoce dessas doenças8 |
| 10.Método para diagnóstico e identificação de pacientes em risco de desenvolver Alzheimer utilizando técnicas de inteligência artificial | Povala, Guilherme | 2016 | O método de Inteligência Artificial mais utilizado no texto analisado foi o “Stacked Generalization (SG)” para classificar o está gio da Doença de Al zheimer e o “Two Step Classifier (TSC)” para identificar pacientes em risco e em fase pré-clínica da doença. Além disso, foram mencionados algoritmos como Random Forests, Multilayer Perceptron, Regressão Logística, Árvores de Decisão e Máquina de Vetores de Suporte para avaliar diferentes conjuntos de biomarcadores. | O texto apresenta um estudo sobre a Doença de Alzheimer (DA), abordando seus conceitos, hipóteses de mecanismos, o projeto global de pesquisa ADNI e métodos de diagnóstico. Foi proposto um método que alcançou 76,2% de acurácia na classificação do estágio da DA, sem a necessidade de testes neuropsicológicos, além de um Two-Step Classifier (TSC) identificando pacientes em risco e em fase pré-clínica da DA. O estudo planeja expandir a pesquisa para outras doenças neurodegenerativas e usar técnicas de DeepLearning em diagnósticos médicos futuros25 |
| 11.Proposta de Sistema Especialista para Auxiliar no Diagnóstico da Doença de Alzheimer | Oliveira, Fernanda A. de; Sousa, Milena N. A. de; Nogueira, Tiago B. de Sá de S.; Suárez, Pablo R.; Caldas, Marcus Tú lio S. e Larissa de A. B. | 2019 | Ele descreve a implementação de um Sistema Especialista (SE), que é uma abordagem tradicional de IA. Portanto, o método predominante é a construção de um sistema baseado em regras e lógica para auxiliar no diagnóstico da doença de Alzheimer. | O texto descreve a implementação de um Sistema Especialista (SE) para auxiliar no diagnóstico da doença de Alzheimer. O SE utiliza variáveis, perguntas interativas e regras de produção para fornecer diagnósticos sugestivos aos usuários. Destaca o potencial dos SEs na área de saúde, especificamente na psiquiatria, como uma ferramenta útil para auxiliar profissionais especialistas no diagnóstico de transtornos, apesar de algumas limitações relacionadas à base de conhecimento26 |
| 12.As Manifestações Clínicas e Implicações no Cotidiano do Idoso com Doença de Alzheimer | Aragão, R. F. de. Lucena, P. A. F. de. Tavares, A. V. de S. Filho, O. R. D. M | 2018 | Não há uma indicação. | O texto descreve as várias fases da doença de Alzheimer, destacando a progressão das limitações cognitivas e funcionais dos pacientes. Ele enfatiza a importância dos cuida dores e familiares na assistência aos pacientes, ressaltando a necessidade de adaptação e comunicação à medida que a doença avança. O conhecimento sobre as fases da DA é crucial para identificar a doença precocemente e proporcionar cuidados adequados27 |
| 13.Potenciais biomarcadores oculares na detecção precoce da Doença de Alzheimer. Uma revisão bibliográfica | Eduardo F. A. S.; Alves P. G. R.; Tanios T. T; Duarte J. R. | 2023 | O artigo menciona o uso de inteligência artificial (IA) como parte das pesquisas na área de biomarcadores oculares para a detecção precoce da Doença de Alzheimer. | O estudo revisa evidências sobre biomarcadores oculares na Doença de Alzheimer (DA). Os principais biomarcadores destaca dos são o acúmulo de β-amilóide (Aβ) na retina e a perda de espessura da retina, que mostram correlações com a presença da DA. Além disso, a pesquisa considera biomarcadores estruturais e funcionais nos olhos. A revisão aponta o potencial desses biomarcadores na detecção precoce da DA, mas destaca a necessidade de mais pesquisas e o uso de inteligência artificial para aprimorar a precisão diagnóstica28 |
A partir da análise dos trabalhos, pode-se perceber que a Inteligência Artificial desempenha um papel crucial no diagnóstico da Doença de Alzheimer, proporcionando segurança e eficiência ao campo médico. A importância dessa temática reside na necessidade premente de identificar e tratar precocemente a Doença de Alzheimer, que impacta milhões de pessoas em todo o mundo, tornando-se uma das doenças neurodegenerativas mais prevalentes e impactantes na sociedade.
Estudos futuros, especialmente no contexto de métodos multimodais, são essenciais para o diagnóstico precoce da Doença de Alzheimer. A busca por métodos mais eficazes de detecção e acompanhamento da doença é fundamental para melhorar a qualidade de vida dos pacientes afetados e oferecer intervenções terapêuticas mais eficazes.
Além disso, a utilização da IA no diagnóstico da Doença de Alzheimer implica em desafios e oportunidades. A coleta de dados representativos é fundamental, mas a privacidade e segurança dos dados também devem ser cuidadosamente consideradas devido às regulamentações de proteção de dados. A interpretabilidade dos modelos de IA é um aspecto crítico, especialmente no contexto médico, e deve ser aprimorada para que médicos e pacientes confiem nas decisões da IA.
A ética desempenha um papel crucial, com preocupações sobre viés, responsabilidade e discriminação nos dados de treinamento. A importância de abordar essas questões éticas adequadamente é evidente, visto que a IA pode influenciar diretamente a vida das pessoas e a qualidade do atendimento médico.
A análise dos trabalhos demonstra claramente os benefícios que a IA pode trazer para o diagnóstico da Doença de Alzheimer, com potencial para revolucionar a abordagem e tratamento dessa doença neurodegenerativa. A importância de continuar pesquisando e aprimorando o uso da IA nesse contexto é evidente, com a possibilidade de oferecer diagnósticos mais precisos e intervenções terapêuticas mais eficazes, melhorando a qualidade de vida dos pacientes e suas famílias. A IA, explorada com responsabilidade, tem o potencial de transformar a abordagem e tratamento da Doença de Alzheimer, destacando assim a relevância dessa temática.
Conclusão
Diante da análise aprofundada dos estudos sobre a aplicação da inteligência artificial no contexto da doença de Alzheimer, podemos inferir que a utilização da IA representa uma perspectiva promissora para o avanço no diagnóstico precoce e tratamento dessa condição neurodegenerativa. As descobertas reunidas neste estudo contribuem significativamente para o entendimento do potencial da inteligência artificial na área da saúde, destacando a necessidade de futuras pesquisas e investimentos nesse campo em constante evolução.
A aplicação da Inteligência Artificial (IA) no diagnóstico da Doença de Alzheimer representa um avanço notável no campo médico. Ela oferece a possibilidade de detecção precoce e tratamento mais eficaz para essa doença neurodegenerativa impactante. A IA demonstrou a capacidade de analisar extensos conjuntos de dados, identificar padrões complexos e fornecer diagnósticos precisos, muitas vezes superando a habilidade de médicos na detecção de sinais iniciais da doença. Essa tecnologia é particularmente relevante para a DA, uma vez que o diagnóstico precoce desempenha um papel crítico na adoção de tratamentos terapêuticos que podem melhorar a qualidade de vida dos pacientes.
No entanto, o uso da IA no diagnóstico da Doença de Alzheimer traz consigo desafios éticos e técnicos que exigem cuidados especiais. A coleta e o tratamento de dados devem ser conduzidos com atenção à privacidade e segurança das informações. Além disso, a interpretabilidade dos modelos de IA deve ser aprimorada para garantir que médicos e pacientes confiem nas decisões da IA. Questões éticas, como viés, responsabilidade e discriminação nos dados de treinamento, precisam ser abordadas de maneira adequada.
A colaboração entre pesquisadores, médicos e especialistas em IA é fundamental para o desenvolvimento contínuo dessa área e a melhoria da qualidade do atendimento aos pacientes. A IA tem o potencial de revolucionar o diagnóstico e tratamento da Doença de Alzheimer, proporcionando diagnósticos mais precoces e intervenções terapêuticas mais personalizadas. No entanto, seu uso deve ser feito de forma responsável e ética, com foco no benefício dos pacientes e na melhoria de sua qualidade de vida. Portanto, a relevância da IA no contexto da Doença de Alzheimer não pode ser subestimada, e sua contínua pesquisa e desenvolvimento são cruciais para o avanço da medicina e a promoção da saúde em uma população que envelhece.
Referências
1. Liu Y, Paajanen T, Zhang Y, Westman E, Wahlund LO, Simmons A, e o Iniciativa ADNI. Analysis of regional MRI volumes and thicknesses as predictors of conversion from mild cognitive impairment to Alzheimer’s disease. Neurobiol Aging. 2018;71:169-176 2
2. Silva Souza M, Nery SBM, Araújo SM, Araújo P da C, Sousa AMC, Silva Élida B da, Nascimento IG do, Braga EM de S, Prado TM, Mano S de S, Nunes GF, Moura A de J, Freitas R de C. Uso Da Inteligência Artificial No Diagnóstico De Doenças Neurodegenerativas: Uma Revisão Integrativa. Recisatec [Internet]. 10º de outubro de 2022 [citado 2º de novembro de 2023];2(10):e210196. Disponível em:https://recisatec.com.br/index.php/recisatec/article/view/196.
3. Smith, John. Doença De Alzheimer: Manifestações Clínicas, Patologia E Impacto Na Vida Diária. São Paulo: Editora ABC, 2023.
4. Santos, Michelle Didone; BORGES, Sheila de Melo. Percepção da funcionalidade nas fases leve e moderada da doença de Alzheimer: visão do paciente e seu cuidador. Rev. bras. geriatr. gerontol. [Internet]. 2015, vol.18, n.2, pp.339-349. ISSN 1981-2256. http://dx.doi.org/10.1590/1809-9823.2015.14154.
5. Silva G, Medeiros A, Sabino B, Britto C, Farias HJ. Uso da inteligência artificial na ressonância magnética para o diagnóstico da doença de Alzheimer: um artigo de revisão. Revista Brasileira de Pesquisa em Ciências da Saúde. 2022. Disponível em: https://icesp1.websiteseguro.com/revistas/index.php/RBPeCS/article/view/1505/1747.
6. Souza GHL de, Conte TC, Scheidt JFHC, Vargas JR, Assis TQ de, Costa ACM de SF da, Romeiro ET, Duarte GE, Perovano Filho JR, Buss APT. Abordagens Inovadoras no Tratamento da Doença De Alzheimer. Rease [Internet]. 25º de agosto de 2023 [citado 2º de novembro de 2023];9(7):1523-3. Disponível em: https://www.periodicorease.pro.br/rease/article/view/10782.
7. Tautan, Alexandra-Maria; IONESCU, Bogdan; SANTARNECCHI, Emiliano.Artificial intelligence in neurodegenerative diseases: A review of available tools with a focus on machine learning techniques. Artificial Intelligence in Medicine, v. 117, p. 102081, 2021.Disponível em: https://doi.org/10.1016/j.artmed.2021.102081. Acesso em 31/10/2023
8. Brito END, Figueiredo BQ, Souto DN, Nogueira JF, Melo ALS, Silva IT, Oliveira IP, Almeida MG. Inteligência Artificial no diagnóstico de doenças neurodegenerativas: uma revisão sistemática de literatura. Research, Society and Development. 2021;10(11):e482101120004. ISSN 2525-3409. DOI: http://dx.doi.org/10.33448/rsd v10i11.200041.
9. Bakkar, N.,Kovalik, T.,Lorenzini, I.,Spangler, S.,Lacoste, A.,Sponaugle, K.,Ferrante, P.,Argentinis, E.,Sattler, R. & Bowser, R. (2018) Artificialintelligence in neurodegenerative disease research: use of IBM Watson to identify additional RNA binding proteins altered in amyotrophic lateral sclerosis. Acta neuropathologica, 135(2), 227-247
10. Strafella, C., Caputo, V., Galota, M., Zampatti, S., Marella, G.,Mauriello, S.,Cascella, R. & Giardina, E. (2018) Application of precision medicine in neurodegenerative diseases. Frontiers in neurology, 9, 701
11. Tecuci, G., Marcu, D., Boicu, M., Vlad, D., Stanescu, B., Boicu, C., & Coste-Maniere, I. (2012). The use of the discourse and document understanding system in military simulations. AI Magazine, 33(3), 33-45.
12. Lobo LC. Inteligência Artificial e Medicina. Rev Bras Educ Med. 2017;41(2). Disponível em: https://doi.org/10.1590/1981-52712015v41n2esp. [citado 2º de novembro de 2023];9(7):1523-3. Disponível em: https://www.scielo.br/j/rbem/a/f3kqKJjVQJxB4985fDMVb8b/#
13. Xiuli B, Shutong L, Bin X, Yu L, Guoyin W, Xu M. Computer aided Alzheimer’s disease diagnosis by an unsupervised deep learning technology. Neurocomputing. 2020
14. Van Assen, M.,Lee, S. & De Cecco, C. (2020) Artificial intelligence from A to Z: from neural network to legal framework. European Journal of Radiology, v. 129,109083.
15. Ding, Y., Sohn, J. H., Kawczynski, M. G., Trivedi, H., Harnish, R., Reynolds, R., … & Boada, F. (2019). A deep learning model to predict a diagnosis of Alzheimer disease by using 18 F-FDG PET of the brain. Radiology, 290(2), 456-464.
16. Russel S, Norvig P. Inteligência Artificial. 3ª ed. Elsevier; 2013.
17. ALZHEIMER’S DISEASE INTERNATIONAL. World Alzheimer Report 2021: Journey through the diagnosis of dementia. Disponível em: https://www.alzint.org/resource/world alzheimer-report-2021/. Acesso em: 17 set. 2021.
18. AZEVEDO, W.W. et al. Inteligência Artificial Para o Apoio ao Diagnóstico da Doença de Alzheimer utilizando Imagens de Ressonância Magnética. 2019.
19. Ahmed, O. B., Pineal, J. B., Allard, M., Catheline, G. & Amar, C. B. (2016). Recognition of Alzheimer’s Disease and Mild Cognitive Impairment with multimodal image-derived biomarkers and Multiple Kernel Learning. Computerized Medical Imaging and Graphics, 16 (1), 1-35.
20. Westman, E., Muehlboeck, J. S. & Simmons, A. (2012). Combining MRI and CSF measuresfor classification of Alzheimer’s disease and prediction of mild cognitive impairment conversion. Neuroimage,62 (1), 229-238.
21. Brzezicki, MaksymilianA. et al. Diagnostic accuracy of frontotemporal dementia. An artificial intelligence-powered study of symptoms, imaging and clinical judgement. Advances in Medical Sciences, v. 64, n. 2, p. 292-302, 2019.Disponível em: https://doi.org/10.1016/j.advms.2019.03.002.Acesso em: 31/10/2023.
22. Z. Xiao, Y. Ding, T. Lan, C. Zhang, C. Luo, and Z. Qin, “Brain mrimage classification for alzheimer’s disease diagnosis based on multifeature fusion,” Computational and mathematical methods in medicine, vol. 2017, 2017
23. Araújo AF, Morais JC, Martins ER. Inteligência Artificial como um Auxílio ao Diagnóstico de Demência. Tecnologias e Metodologias Ativas: A Interdisciplinaridade Tecnológica em Pesquisa. 23:79-92. DOI: 10.37885/221111015.
1Discentes do curso da Afya Faculdade de Ciências Medicas de Itabuna, Itabuna, Bahia, Brasil
2Graduado em Medicina pela Universidade Estadual de Santa Cruz – UESC e residência médica em Neurologia pela Santa Casa da Bahia – Hospital Santa Isabel, Salvador, Brasil. Atuou como médico plantonista na Unidade de AVC do Hospital Geral Roberto Santos e na UTI Neurológica (UNC) do Hospital Santa Isabel. Cursou subespecialidade na modalidade Fellowship, nas áreas de Neurologia Vascular, Neurointensivismo e Doppler Transcraniano no Hospital Santa Isabel / Complexo Hospitalar Universitário Professor Edgard Santos, Salvador, Brasil e possui título de Mestre, pela UESC. Atualmente é professor do curso de graduação em Medicina da Faculdade de Ciências Médicas Afya Itabuna, Brasil.
*Autor correspondente: Antônio Fernando Ribeiro Silva Júnior – antonio.ribeiro@afya.com.br, Curso de Medicina, Afya Faculdade de Ciências Medicas de Itabuna, Avenida Ibicaraí, nº. 3.270, bairro Nova Itabuna – Itabuna – Bahia, CEP: 45.611-000