Hoje, a doença de Alzheimer é uma das doenças mais insidiosas, sua ocorrência é muito difícil (e cara) de prever. Embora uma doença já desenvolvida não possa ser interrompida, há evidências de que a detecção precoce ajuda a desacelerar ou parar a doença de Alzheimer e a degradação do cérebro. Portanto, a busca de uma maneira confiável de determinar o risco de desenvolver uma doença ocupa a mente dos pesquisadores.
À medida que o corpo humano envelhece, o comprometimento cognitivo é inevitável. Com a idade, as pessoas tornam-se mais esquecidas, muitas vezes perdem sua linha de pensamento e acham difícil tomar decisões ou executar tarefas que antes não causavam dificuldades. Os médicos chamam isso de comprometimento cognitivo leve. Afeta a maioria das pessoas quando envelhecem.
Muitas pessoas com comprometimento cognitivo leve desenvolvem uma forma mais grave - a doença de Alzheimer. Uma pessoa perde vocabulário, freqüentemente usa substituições incorretas de palavras, deixa de reconhecer parentes próximos, perde habilidades básicas de autocuidado e, por fim, fica completamente dependente de outras pessoas que a ajudam. A maioria das pessoas com esse diagnóstico morre poucos anos após a descoberta da doença de Alzheimer.
Curiosamente, esse cenário não aguarda todas as pessoas com comprometimento cognitivo leve. Com o tempo, a condição do paciente pode não piorar e, em alguns casos, até melhorar. Portanto, os médicos querem encontrar maneiras de identificar aqueles com maior probabilidade de desenvolver a doença de Alzheimer.
Cientistas sul-coreanos propuseram o uso de aprendizado profundo para esse fim. A tecnologia que eles desenvolveram pode identificar pessoas que podem ter a doença de Alzheimer nos próximos três anos.
Uma rede neural profunda está aprendendo a reconhecer traços únicos da doença em imagens de
tomografia por emissão de pósitrons do cérebro (PET). Sabe-se que a doença de Alzheimer é caracterizada por um crescimento indesejado de nódulos protéicos chamados placas amilóides e um metabolismo cerebral lento, medido pela taxa na qual o cérebro usa glicose.
Certos tipos de exames PET podem detectar sinais de ambas as condições e, portanto, podem ser usados para detectar comprometimento cognitivo leve em pessoas que acabarão por levar ao desenvolvimento da doença de Alzheimer.
Em teoria, parece muito encorajador, mas na prática é bastante difícil interpretar as imagens resultantes. Os pesquisadores descobriram um ou dois marcadores brilhantes que pessoas especialmente treinadas podem encontrar, mas esse método consome tempo e não é imune a erros. Portanto, os cientistas coreanos decidiram substituir as pessoas por uma profunda rede neural.
Nos últimos anos, os pesquisadores de Alzheimer em todo o mundo criaram um banco de dados de imagens do cérebro de pacientes com e sem Alzheimer. E colegas sul-coreanos usaram esse conjunto de dados para treinar uma rede neural convolucional para reconhecer a diferença entre eles.
(A) - A arquitetura da rede neural convolucional é aplicada a duas imagens de PET feitas com o análogo biológico da glicose -
fluorodeoxiglucose e
florbetapira - substâncias administradas a um paciente para diagnosticar a doença de Alzheimer. Cada função de camada pode ser extraída usando a função tridimensional de convolução e ativação (ReLU). As convoluções multicamadas produzem uma saída unidimensional, e a última camada possui dois nós que correspondem à doença de Alzheimer (DA) e à condição cerebral normal (NC).
(B) - A rede neural profunda foi treinada de acordo com dados do PET de pacientes saudáveis e doentes. Os pesquisadores usaram uma verificação cruzada de dez vezes. Após o treinamento, a IA foi usada diretamente para classificar entre comprometimento cognitivo leve (MCI) ou transformação ou não transformação. Os pesquisadores avaliaram a precisão do prognóstico para pacientes com um distúrbio que poderia levar à doença. Além disso, os cientistas também realizaram análise de desempenho do receptor (ROC).
O conjunto de dados consistiu em imagens cerebrais de 182 pessoas com 70 anos com um cérebro saudável e 139 imagens cerebrais de pessoas da mesma idade que foram diagnosticadas com Alzheimer. Como resultado, a IA conseguiu reconhecer a diferença entre um cérebro saudável e um doente com uma precisão de 90%.
Além disso, os pesquisadores usaram sua máquina para analisar outro conjunto de dados, que consistia em exames cerebrais de 181 pessoas com 70 anos com comprometimento cognitivo leve, 79 das quais foram submetidas à doença de Alzheimer por três anos. A tarefa estabelecida para os cientistas era identificar essas pessoas que são mais suscetíveis a agravar as condições.
De acordo com os resultados do experimento, a IA identificou aqueles com risco de desenvolver a doença de Alzheimer com uma precisão de 81%. Esse resultado é significativamente maior do que o dado pelos médicos que analisam visualmente as imagens.
De maneira mais geral, a técnica dos cientistas coreanos é apenas um exemplo do uso crescente de aprendizado profundo e visão de máquina em diagnósticos médicos. Os dados disponíveis indicam que as máquinas podem determinar condições difíceis mais cedo e com mais precisão do que as pessoas.
doi:
arXiv: 1704.06033