Uma equipe da Universidade da Califórnia, São Francisco (UCSF) e da Universidade de Stanford aplicou métodos de aprendizado de máquina em mais de 5 milhões de registros médicos, treinando a IA para detectar padrões que conectam o Alzheimer a outras condições.
Os pesquisadores usaram o banco de dados clínico da UCSF de mais de 5 milhões de pacientes para procurar condições concomitantes em pacientes que foram diagnosticados com Alzheimer no Centro de Memória e Envelhecimento da UCSF em comparação com indivíduos sem Alzheimer e descobriram que podiam identificar com 72% de poder preditivo, quem desenvolveria a doença até sete anos antes.
O trabalho mostra a promessa de usar a inteligência artificial (IA) para detectar padrões em dados clínicos que podem então ser usados para rastrear grandes bases de dados genéticos para determinar o que está a impulsionar esse risco. Os pesquisadores esperam que um dia acelere o diagnóstico e o tratamento da doença de Alzheimer e de outras doenças complexas.
«Este é um primeiro passo para usar IA em dados clínicos de rotina, não apenas para identificar o risco o mais cedo possível, mas também para compreender a biologia por trás dele», disse a principal autora do estudo, Alice Tang, estudante de doutorado no Laboratório Sirota na UCSF «O poder desta abordagem de IA vem da identificação de riscos com base em combinações de doenças».
O modelo detectou uma série de condições que poderiam ser usadas para calcular o risco de Alzheimer, incluindo pressão alta, colesterol alto, deficiência de vitamina D e depressão. A disfunção erétil e o aumento da próstata também foram fatores importantes nos homens, enquanto a osteoporose foi importante nas mulheres.
Isso não significa que as pessoas com estes problemas de saúde desenvolvam Alzheimer, mas a análise da IA aponta cada um deles como elementos a considerar. Espera-se que o mesmo tipo de abordagem de aprendizado de máquina possa um dia identificar fatores de risco para outras doenças.
«É a combinação de doenças que permite ao nosso modelo prever o aparecimento da doença de Alzheimer», diz Tang. «Nossa descoberta de que a osteoporose é um fator preditivo para as mulheres destaca a interação biológica entre a saúde óssea e o risco de demência».
Para entender a biologia subjacente ao poder preditivo do modelo, os pesquisadores recorreram a bancos de dados moleculares públicos e a uma ferramenta especializada desenvolvida na UCSF chamada SPOKE (Scalable Precision Medicine Oriented Knowledge Engine), que foi desenvolvida no laboratório do Sergio Baranzini , PhD, professor de neurologia e membro do Instituto Weill de Neurociências de la UCSF.
SPOKE é essencialmente um banco de dados que os pesquisadores podem usar para identificar padrões e potenciais objetivos moleculares para terapia. Daí a conhecida associação entre Alzheimer e colesterol elevado através de uma forma variante do gene da apolipoproteína E, APOE4. Mas quando combinada com bases de dados genéticas, também foi identificada uma ligação entre a osteoporose e a doença de Alzheimer nas mulheres, através de uma variante em um gene menos conhecido, denominado MS4A6A.
Os pesquisadores esperam que a abordagem possa ser usada com outras doenças difíceis de diagnosticar, como lúpus e endometriose.
«Este é um excelente exemplo de como podemos aproveitar os dados dos pacientes com aprendizado de máquina para prever quais pacientes têm maior probabilidade de desenvolver Alzheimer e também para compreender as razões pelas quais isso acontece», disse a principal autora do estudo, Marina Sirota , PhD. Professora associada do Instituto de Ciências da Saúde Computacional Bakar da UCSF.
Fontes:
