Médicos usam engenharia de dados para prever evolução do Alzheimer

Mesmo com milhões de pessoas sofrendo com o Alzheimer em todo o mundo, a doença ainda não foi decifrada em sua totalidade.

Uma das coisas mais angustiantes tanto para pacientes como para familiares destes é que, uma vez diagnosticada a doença, é impossível dizer com qual velocidade ela irá se agravar.

Com isso em mente, um time de cientistas do MIT (Massachusetts Institute of Technology), em colaboração com o Departamento de Computação da Imperial College London desenvolveram um modelo usando machine learning (método de análise de dados automatizado que usa padrões preestabelecidos para extrair insights relevantes) para tentar prever o ritmo da perda das funções cognitivas dos pacientes diagnosticados com Alzheimer.

Após alguns testes com a ferramenta, eles foram capazes de prever o declínio cognitivo com até dois anos de antecedência.

O estudo será apresentado ainda esta semana na conferência Machine Learning for Healthcare 2019, que deve acontecer entre 8 e 10 de agosto, em Michigan, nos EUA.

Como o estudo foi feito?

• Os médicos usaram os dados de 1.700 pacientes reunidos no Alzheimer's Disease Neuroimaging Initiative (ADNI), o maior banco de dados relacionados aos testes clínicos para a doença no mundo, nos últimos dez anos.
• Eles acessaram informações como relatórios sobre as funções cognitivas dos pacientes, exames de imagem do cérebro, dados sobre DNA e medidas de fluído cerebrospinal, considerados biomarcadores importantes para o Alzheimer.
• O primeiro modelo usando machine learning foi avaliado em um subgrupo contendo 100 participantes. Mas os dados ainda eram insuficientes para apresentar um bom resultado.
• Os cientistas então modificaram a abordagem estatística para conseguir analisar um segundo grupo de forma mais objetiva. Ainda assim, os resultados não foram bons.
• Na terceira tentativa, os médicos selecionaram um novo grupo --mas, desta vez, utilizaram padrões de análise personalizáveis para cada paciente. Essa abordagem apresentou menos erros do que as tentativas anteriores.
• Para o teste final, os cientistas foram além e programaram a ferramenta para analisar a ficha dos pacientes e automaticamente escolher qual modelo de análise traria mais insights relevantes: o padrão ou o personalizado.
• Com essa abordagem, eles conseguiram reduzir em 50% a chance de erro nas previsões.

Por que isso é importante?

O estudo ainda é preliminar e necessita de mais testes e análises para se tornar assertivo. No entanto, os autores acreditam que ele pode ser trabalhado para analisar a progressão da doença principalmente entre pacientes que estão participando de testes clínicos.

Dessa forma, acreditam os médicos, seria possível reduzir as visitas que os participantes realizam ao laboratório durante o teste, diminuindo gastos de tempo e dinheiro.

Essa medida seria importante para ampliar o volume de estudos sobre o Alzheimer, aumentando também as chances de encontrar tratamentos e novos medicamentos para a doença.