Inteligência artificial usa padrões de respiração noturna para detectar a doença de Parkinson

Pauline Anderson

Notificação

1 de setembro de 2022

Um modelo de inteligência artificial pode detectar a doença de Parkinson, avaliar sua gravidade e rastrear sua progressão usando sinais respiratórios noturnos, sugere uma nova pesquisa.

Em um grande estudo de banco de dados, o modelo distinguiu com precisão, alta sensibilidade e alta especificidade pessoas com doença de Parkinson daquelas sem a doença. Também reconheceu pacientes com doença de Parkinson antes que eles recebessem um diagnóstico real.

Os resultados destacam o potencial do modelo como biomarcador digital da doença de Parkinson, observaram os pesquisadores.

“Nosso estudo demonstra a viabilidade da avaliação objetiva, não invasiva e domiciliar da doença de Parkinson e também fornece evidências iniciais de que este modelo de inteligência artificial pode ser útil para avaliação de risco antes do diagnóstico clínico”, escreveram os autores.

Os resultados foram publicados on-line em 22 de agosto no periódico Nature Medicine.

Principais dificuldades

Uma dificuldade fundamental no desenvolvimento de medicamentos para doença de Parkinson e no tratamento da doença é a falta de biomarcadores diagnósticos eficazes, observaram os pesquisadores.

Eles acrescentaram que a doença de Parkinson é tipicamente diagnosticada com base em sinais e sintomas clínicos relacionados principalmente às funções motoras, como tremor e rigidez. No entanto, os sinais e sintomas motores tendem a aparecer vários anos após o início da doença, levando ao diagnóstico tardio.

Anteriormente, pesquisadores avaliaram o potencial de detecção da doença de Parkinson usando líquido cefalorraquidiano e neuroimagem, mas esses métodos são invasivos e caros, exigindo acesso a centros médicos especializados.

Trabalhos que remontam a 1817 já relacionavam a doença de Parkinson com a respiração e distúrbios do sono, com estudos mostrando degeneração em áreas do tronco cerebral que controlam a respiração e fraqueza da função muscular respiratória.

Esses sinais e sintomas respiratórios geralmente se manifestam anos antes dos sinais e sintomas motores clínicos.

O novo sistema baseado em inteligência artificial, que se assemelha a um roteador Wi-Fi doméstico, é uma rede neural – uma série de algoritmos conectados que imitam um cérebro humano. O sistema usa os sinais respiratórios noturnos que podem ser coletados usando um cinto de respiração usado no tórax ou no abdômen, ou transmitindo um sinal de rádio de baixa potência e analisando seus reflexos no corpo de um indivíduo.

Os pesquisadores usaram um conjunto de dados grande e diversificado criado reunindo bancos de dados de várias fontes. O banco de dados combinado contém mais de 120.000 horas de sinais respiratórios noturnos de 757 pacientes com doença de Parkinson e 6.914 indivíduos atuando como controles.

Os dados foram divididos em dois grupos: conjuntos de dados do cinto respiratório e conjuntos de dados sem fio.

Alta precisão

Os resultados mostraram que o modelo de inteligência artificial detectou a doença de Parkinson com alta precisão. Para as noites usando medidas pelo cinto respiratório, o modelo alcançou uma área sob a curva (AUC) de 0,889, com sensibilidade de 80,22% (intervalo de confiança [IC] de 95% de 70,28% a 87,55%) e especificidade de 78,62% (IC 95% de 77,59 % a 79,61%).

Para noites usando sinais sem fio, o modelo alcançou uma AUC de 0,906, com sensibilidade de 86,23% (IC 95% de 84,08% a 88,13%) e especificidade de 82,83% (IC 95% de 79,94% a 85,40%).

O estudo também mostrou que o modelo de inteligência artificial pode determinar a gravidade da doença de Parkinson. A revisão patrocinada pela Movement Disorder Society do questionário Unified Parkinson's Disease Rating Scale (MDS-UPDRS) é atualmente o método mais comum para avaliar a gravidade da doença de Parkinson, mas essas avaliações exigem que os pacientes compareçam a consultas em clínicas.

O modelo de inteligência artificial determinou um escore de gravidade da doença de Parkinson que se correlaciona bem com o questionário MDS-UPDRS simplesmente analisando a respiração noturna dos pacientes em casa.

O modelo também previu com precisão as subpartes I, II e III do MDS-UPDRS, indicando que capturou sinais e sintomas não motores e motores. A predição do modelo teve correlação leve com a subparte IV do MDS-UPDRS.

O sistema também pode reconhecer indivíduos com doença de Parkinson antes de seu diagnóstico real. O modelo deu a um grupo prodrômico (de indivíduos que posteriormente seriam diagnosticados com doença de Parkinson) pontuações para Parkinson muito mais altas do que as de um grupo de controle.

“De fato, o modelo prevê 75% deles como indivíduos com doença de Parkinson antes do diagnóstico relatado”, escreveram os pesquisadores.

“Prevemos que o sistema possa futuramente ser implantado nas casas de pacientes com doença de Parkinson e indivíduos com alto risco da doença (por exemplo, aqueles com mutação no gene LRRK2) para monitorar passivamente sua condição e fornecer feedback ao profissional de saúde”, acrescentaram.

Alterações em seis meses e um ano

Outra avaliação mostrou que as alterações em seis meses e um ano na pontuação do MDS-UPDRS, conforme determinado por um médico, não foram estatisticamente significativas, enquanto as estimativas do modelo de alterações no MDS-UPDRS nos mesmos períodos foram estatisticamente significativas.

Além disso, o modelo foi capaz de distinguir a doença de Parkinson da doença de Alzheimer – os dois distúrbios neurodegenerativos mais comuns. Ele alcançou uma AUC de 0,895, com sensibilidade de 80,70% e especificidade de 78,02% na diferenciação entre Parkinson e Alzheimer, e distinguiu de forma confiável pacientes com Parkinson daqueles com Alzheimer.

Os métodos atuais para rastrear a progressão lenta da doença de Parkinson são muito insensíveis para capturar pequenas mudanças e exigem vários anos para detectar a progressão, observaram os pesquisadores. Por outro lado, as evidências mostraram que o biomarcador baseado em inteligência artificial é sensível a mudanças progressivas na doença.

Os pesquisadores acrescentaram que o uso do modelo pode reduzir o custo e a duração dos ensaios clínicos de doença de Parkinson e, desse modo, facilitar a pesquisa de medicamentos. No cenário atual, o desenvolvimento de medicamentos para a doença de Parkinson custa em média US$ 1,3 bilhão e leva cerca de 13 anos, o que limita a busca de novos tratamentos para o transtorno.

Além disso, ao avaliar a gravidade da doença e acompanhar as mudanças nas condições do paciente em casa, o sistema de inteligência artificial pode reduzir a necessidade de consultas e ajudar a estender o atendimento a pacientes em comunidades carentes, escreveram os pesquisadores.

Os pesquisadores observaram que o estudo não explorou se o sistema funciona igualmente bem com todos os subtipos de doenças. Outras limitações do estudo incluíram o fato de que a análise de progressão e o diagnóstico pré-clínico foram validados em apenas um pequeno número de participantes e que os pesquisadores não avaliaram a capacidade do modelo de diferenciar a doença de Parkinson de doenças neurológicas mais amplas além da doença de Alzheimer.

Outros potenciais biomarcadores

Outra pesquisa recente está avaliando diferentes potenciais biomarcadores de doença de Parkinson. Em achados publicados em 19 de agosto no periódico Science, os pesquisadores determinaram que a glicoproteína de melanoma não metastático B (GPNMB) é uma candidata para a pesquisa de biomarcadores e direcionamento terapêutico na doença de Parkinson.

Os pesquisadores do estudo dissecaram um locus do cromossomo 7 ligado ao risco de doença de Parkinson por estudos de associação de todo o genoma. Eles descobriram que a GPNMB interagiu com a alfa-sinucleína, a principal proteína que forma as inclusões patológicas que caracterizam a doença de Parkinson.

Nas células, a GPNMB foi necessária e suficiente para a absorção de formas fibrilares de alfa-sinucleína e o surgimento subsequente de sinucleinopatias.

Yuzhe Yang e Michael S. Okun informaram não ter conflitos de interesses relevantes.

Nat Med. Publicado on-line em 22 de agosto de 2022. Texto completo

Science. Publicado em 19 de agosto de 2022.  Abstract

Siga o Medscape em português no Facebook, no Twitter e no YouTube

Comente

3090D553-9492-4563-8681-AD288FA52ACE
Comentários são moderados. Veja os nossos Termos de Uso

processing....