Cientistas desenvolvem um método baseado em IA para diagnosticar a doença de Alzheimer ou Parkinson

Um método baseado na inteligência artificial permite diagnosticar a doença de Alzheimer ou Parkinson

February 17, 2017 - A doença de Alzheimer, que atualmente afeta mais de 40 milhões de pessoas, é a doença neurodegenerativa mais comum em idosos. O diagnóstico precoce é crucial tanto para tratar a doença como para ajudar no desenvolvimento de novos medicamentos, já que não foi possível encontrar uma cura até agora. O desenvolvimento da doença de Alzheimer tem sido provado estar estreitamente ligado a mudanças estruturais na matéria cinzenta e alterações funcionais na substância branca que liga as regiões do cérebro. Na rede de conectividade cerebral, uma perda significativa de fibras de substância branca também provoca alterações funcionais como perda de memória. No entanto, o diagnóstico permanece um desafio e, até à data, não foi possível determinar como a atividade cerebral funcional contribui para a deterioração da atividade estrutural e vice-versa.

Nesse sentido, o diagnóstico assistido por computador (DAC) é uma importante ferramenta que ajuda os médicos a compreender o conteúdo multimídia obtido em testes realizados com pacientes, o que permite um tratamento mais simples. Um desses procedimentos é a imagem médica, que fornece alta resolução "ao vivo" informações sobre o assunto. A equipe de pesquisa BioSip da Universidade de Málaga, em colaboração com um grupo de pesquisadores da Universidade de Granada, vem estudando imagens e sinais biomédicos há anos.

Os pesquisadores Andrés Ortiz, Jorge Munilla, Juan Górriz e Javier Ramírez publicaram recentemente um artigo no International Journal of Neural Systems intitulado "Conjuntos de arquiteturas de aprendizagem profunda para o diagnóstico precoce da doença de Alzheimer". O estudo apresenta uma técnica de aprendizagem profunda para o diagnóstico de Alzheimer pela análise conjunta de imagens funcionais e estruturais.

Esta técnica de inteligência artificial (AI) tem como objetivo modelar abstrações de dados de alto nível para permitir que os computadores diferenciem o cérebro de uma pessoa saudável da de uma pessoa doente, extraindo automaticamente as regiões afetadas de interesse. Os investigadores escrevem: "O estudo utiliza técnicas de aprendizagem profunda para calcular os preditores de função cerebral e imagens de ressonância magnética para prevenir a doença de Alzheimer. Para isso, usamos diferentes redes neurais com as quais modelar cada região do cérebro para combiná-las posteriormente".

O estudo explora a construção de métodos de classificação baseados em arquiteturas de aprendizagem profunda aplicadas a regiões cerebrais definidas por um atlas digital do cérebro humano chamado Automated Anatomical Labelling (AAL). Para tanto, as imagens da matéria cinzenta de cada área do cérebro foram divididas de acordo com as regiões separadas em diferentes setores pela AAL, que têm sido utilizadas para treinar redes neurais de aprendizagem profunda especializadas nas diferentes regiões do cérebro. O conhecimento adquirido pelas redes é posteriormente combinado por diferentes técnicas de fusão apresentadas neste trabalho.

Arquitetura de classificação
O resultado deste trabalho é uma poderosa arquitetura de classificação que combina a aprendizagem supervisionada e não supervisionada para extrair automaticamente as características mais relevantes de um conjunto de imagens. O método proposto foi avaliado utilizando uma grande base de dados da Iniciativa de Neuroimagem da Doença de Alzheimer (ADNI).

Os resultados deste trabalho, que incluiu pacientes com outros déficits cognitivos que podem desenvolver Alzheimer dentro de dois anos, mostram o potencial das técnicas de AI para revelar padrões associados com a doença. As taxas de acurácia obtidas para o diagnóstico contribuem para o conhecimento do processo neurodegenerativo envolvido no desenvolvimento da doença e também é útil como ponto de partida para o desenvolvimento de tratamentos médicos mais eficazes. Original em inglês, tradução Google, revisão Hugo. Fonte: Medical Xpress.