Por Rubens de Fraga Júnior, professor titular da disciplina de gerontologia da Faculdade Evangélica Mackenzie do Paraná. Médico especialista em geriatria e gerontologia pela SBGG.
As demências são caracterizadas pelo acúmulo de diferentes tipos de proteínas no cérebro, que danificam o tecido cerebral e levam ao declínio cognitivo. No caso da doença de Alzheimer, essas proteínas incluem a beta-amiloide, que forma ‘placas’, aglomerando-se entre os neurônios e afetando sua função, e a tau, que se acumula dentro dos neurônios.
Mudanças moleculares e celulares no cérebro geralmente começam muitos anos antes de qualquer sintoma ocorrer. O diagnóstico de demência pode levar muitos meses ou até anos. Normalmente requer duas ou três visitas ao hospital, pode envolver uma série de exames de TC, PET e MRI, bem como punções de liquor.
Uma equipe liderada pela professora Zoe Kourtzi da Universidade de Cambridge e do The Alan Turing Institute desenvolveu ferramentas de aprendizado de máquina que podem detectar demência em pacientes em um estágio muito inicial. Usando imagens cerebrais de pacientes que desenvolveram Alzheimer, seu algoritmo de aprendizado de máquina detectou mudanças estruturais no cérebro. Quando combinado com os resultados de testes de memória padrão, o algoritmo foi capaz de fornecer uma pontuação de prognóstico – ou seja, a probabilidade de o indivíduo ter a doença de Alzheimer.
Para os pacientes que apresentam comprometimento cognitivo leve – sinais de perda de memória ou problemas com a linguagem ou percepção visual / espacial – o algoritmo foi superior a 80% de precisão na previsão dos indivíduos que desenvolveram a doença de Alzheimer. Também foi capaz de prever a rapidez com que sua cognição diminuirá com o tempo.
O professor Kourtzi, do Departamento de Psicologia de Cambridge, disse: “Treinamos algoritmos de aprendizagem de máquina para detectar os primeiros sinais de demência apenas procurando padrões de perda de massa cinzenta – essencialmente, desgaste – no cérebro. Quando combinamos isso com o padrão testes de memória, podemos prever se um indivíduo apresentará um declínio mais lento ou mais rápido em sua cognição.
Embora o algoritmo tenha sido otimizado para procurar sinais da doença de Alzheimer, o professor Kourtzi e colegas agora o estão treinando para reconhecer diferentes formas de demência, cada uma com seu próprio padrão característico de perda de volume.
Fonte: Joseph Giorgio et al, Modeling prognostic trajectories of cognitive declive due to Alzheimer disease, NeuroImage: Clinical (2020). DOI: 10.1016 / j.nicl .2020.102199
