Inteligência artificial aprendida a encontrar a doença de Alzheimer no cérebro 6 anos antes do diagnóstico

Usando imagens de uma varredura cerebral convencional, os pesquisadores foram capazes de ensinar o algoritmo a determinar o estágio inicial do desenvolvimento da doença de Alzheimer - seis anos antes da mesma conclusão médica na clínica, a mesma conclusão. Isso pode permitir mais um golpe em uma das piores doenças (a terceira principal causa de morte nos países desenvolvidos após problemas cardíacos e câncer).

Até o momento, não há cura para restaurar as habilidades cognitivas de pacientes com demência, exceto, talvez, para aliviar os sintomas. Porém, literalmente, nos últimos meses, começaram a surgir possíveis formas de combater o desenvolvimento da doença. Recentemente, em Habré, houve um artigo de Dale Bredesen que ajudou 100 pacientes. E a Anavex desenvolveu o medicamento A2-73 , que interrompe o desenvolvimento da doença de Alzheimer em 30% dos pacientes.

Mas tudo isso não funciona nos últimos estágios da progressão da doença. Para a aplicação bem-sucedida de qualquer técnica, você precisa de um cérebro que ainda tenha algo para executar. E ainda não aprendemos como encontrar a doença de Alzheimer antes que seus efeitos tenham começado a afetar negativamente a vida do paciente.

Com isso, a IA deve nos ajudar. Identifique uma doença terrível para que as pessoas possam fazer algo com ela. O novo sistema foi desenvolvido por cientistas da Universidade da Califórnia, em San Francisco, sob a liderança do Dr. Jae Ho Son . Eles ensinaram inteligência artificial a analisar imagens de tomografia, a fim de encontrar conexões que ele conhecesse que prevêem o surgimento da doença de Alzheimer no futuro. Seu trabalho (mais de 20 autores!) Pode ser lido na revista Radiology , tornou-se o mais popular em todo o ano de 2018.

Jae Ho Song explica a ideia de seu projeto:

Um dos principais problemas da doença de Alzheimer é que, quando você começou a apresentar sintomas clínicos, muitos neurônios no cérebro já haviam morrido e, de fato, o processo é irreversível. Nós devemos começar a fazer algo antes disso.

Em um novo trabalho, Son e sua equipe combinaram as capacidades de neuroimagem com aprendizado de máquina e "alimentaram" a máquina 2109 imagens de 1002 pacientes de 2005 a 2017. O teste de IA foi realizado separadamente - em 40 imagens de exames PET de 40 pacientes. Como resultado, a máquina conseguiu determinar 98% dos casos de desenvolvimento da doença - em média, 76 meses antes de seu diagnóstico real.

A tomografia de emissão posicional (PET) mede os níveis de certas moléculas, como glicose, no cérebro e é amplamente utilizada em oncologia clínica. A glicose é a principal fonte de energia para as células cerebrais e, quanto mais ativas, mais glicose consomem. À medida que a atividade mental humana é perturbada, as células desaceleram e morrem, consumindo cada vez menos glicose.

Os cientistas há muito tentam usar essa tomografia para detecção precoce da doença de Alzheimer. O problema é que os cérebros de todas as pessoas são diferentes e qual é o conteúdo normal de glicose para uma significa uma doença progressiva na outra. Além disso, quanto mais cedo o estágio, menos distinguíveis são as alterações.

Um dos resultados mais bem-sucedidos, também com a ajuda de uma rede neural, foi obtido anteriormente por pesquisadores sul-coreanos em 2017 ( artigo sobre Habré ). Mas sua inteligência artificial nunca aprendeu a encontrar Alzheimer em pacientes muito antes dos primeiros sintomas aparecerem. Ele foi capaz de distinguir um cérebro saudável de um paciente por uma PET em 90% dos casos, e com uma probabilidade de 81% de determinar o risco de desenvolvimento ativo da doença em três anos, se os primeiros sinais já aparecerem. Até os médicos mais experientes são melhores, mas com uma probabilidade muito menor de uma recuperação completa das funções cognitivas.

Cientistas de São Francisco foram muito mais longe: sua IA identifica pessoas em risco duas vezes antes e com uma precisão muito maior. O próprio Jae Ho Song não esperava resultados tão impressionantes:

Isso acabou sendo uma tarefa ideal para a aplicação de algoritmos de aprendizado profundo. Eles são especialmente eficazes na busca de processos dispersos e muito fracos. Os radiologistas humanos encontrarão facilmente algo concentrado, como um tumor, mas não conseguem reconhecer mudanças globais lentas.

O próximo passo é testar e calibrar o algoritmo em conjuntos de dados maiores e mais diversos de diferentes hospitais e países. Se a IA puder mostrar os mesmos resultados nesses testes, o Sleep espera que seja possível começar a instalá-la em hospitais este ano. A digitalização PET, é claro, não é barata, mas se você já estiver em risco ou tiver passado por outra questão, um algoritmo inteligente simples (talvez até disponível na nuvem) permitirá que milhões de pessoas mantenham pelo menos mais alguns anos de vida normal.