Inteligência artificial pode identificar Alzheimer em teste de linguagem
Um modelo de inteligência artificial (IA) usando um teste curto de linguagem foi modestamente preciso em detectar se pessoas saudáveis teriam um diagnóstico futuro da doença de Alzheimer, relataram pesquisadores.
O modelo previu se adultos mais velhos cognitivamente normais desenvolveriam sintomas de Alzheimer antes dos 85 anos com uma área sob a curva de operação do receptor (area under the receiver operating curve [AUC]) de 0,74 e uma precisão de 70%, escreveu Elif Eyigoz, PhD, da IBM Research em Yorktown Heights, Nova York , e colegas no Lancet EClinicalMedicine.
Atualmente, testes neuropsicológicos e biomarcadores como líquido cefalorraquidiano e imagens são usados para monitorar a progressão de Alzheimer.
Potenciais biomarcadores baseados no sangue estão sendo estudados para predizer a doença de Alzheimer em idosos cognitivamente normais, mas nenhum está disponível para uso clínico.
A competência linguística é um indicador sensível de disfunção mental, disse Eyigoz. “O declínio cognitivo relacionado ao envelhecimento se manifesta em quase todos os aspectos da compreensão e produção da linguagem, porque mesmo habilidades linguísticas aparentemente mundanas – como nomear objetos – envolvem redes cerebrais extensas”, disse ela ao MedPage Today.
O modelo IBM usou amostras curtas escritas de participantes do Framingham Heart Study (FHS) que tiveram avaliações cognitivas regulares usando o Mini Exame do Estado Mental e completaram uma bateria de testes neuropsicológicos em visitas sucessivas.
O modelo derivou variáveis linguísticas de respostas escritas para a Cookie Theft Task, parte do Boston Aphasia Diagnostic Examination incluída na bateria de teste FHS.
Na tarefa, os participantes foram solicitados a descrever um desenho de três pessoas: um menino em um banquinho tombado alcançando um pote de biscoitos, uma menina de pé ao lado dele e uma mulher limpando pratos em uma pia transbordando.
Como o estudo foi conduzido
O estudo incluiu 703 amostras de 270 participantes da ESF. Um conjunto de dados consistindo em uma única amostra de 80 participantes foi realizado para teste: metade desses participantes desenvolveu sintomas de Alzheimer antes dos 85 anos (casos) e a outra metade não (controles). Os diagnósticos de Alzheimer foram baseados nos critérios NINCDS – ADRDA.
Casos e controles foram pareados em idade aproximada, sexo e educação. O conjunto de dados de teste incluiu apenas uma amostra por participante e apenas amostras coletadas antes do início do comprometimento cognitivo foram usadas.
Entre os casos de teste, o tempo médio para o diagnóstico de Alzheimer leve de normalidade cognitiva foi de 7,59 anos. O diagnóstico de Alzheimer foi mais difícil de prever entre pessoas com diploma universitário (AUC 0,70) do que naquelas sem (AUC 0,76). Eles também foram previstos com mais confiança entre as mulheres (AUC 0,83) do que entre os homens (AUC 0,64).
O futuro aparecimento de Alzheimer foi associado à fala telegráfica, repetitividade e erros ortográficos. A fala telegráfica é comum na afasia não fluente, observaram os pesquisadores: é simples na estrutura gramatical e marcada pela falta de determinantes (como “o” ou “a”), verbos auxiliares (como “é” ou “são”), e assuntos inteiros.
Usar termos genéricos como “menino”, “menina” ou “mulher” em vez de palavras mais específicas como “filho”, “irmão”, “irmã”, “filha” ou “mãe” para descrever as pessoas no desenho era ligada a um maior risco de doença de Alzheimer. Mencionar detalhes como o pano de prato ou pratos foi associado a um menor risco de Alzheimer.
As variáveis linguísticas de uma única administração do Cookie Theft Task tiveram um desempenho melhor do que os modelos preditivos que incorporaram o genótipo APOE, variáveis demográficas e outros resultados de testes neuropsicológicos, observaram os pesquisadores.
Uma limitação do modelo é que ele se baseou na versão escrita da Cookie Theft Task, acrescentaram: a versão falada pode mostrar diferentes aspectos da disfunção linguística.
“Projetamos nosso estudo principalmente com o enriquecimento de ensaios clínicos em mente”, disse Eyigoz. “Além disso, pensamos que nosso método, mutatis mutandis, pode ajudar a aumentar as informações e dados que os médicos têm acesso em sua prática.”
O modelo pode oferecer uma abordagem de baixo custo para monitorar o tratamento e a progressão da doença se os pacientes consentirem, acrescentou Eyigoz.
“Por exemplo, uma aplicação prática dos métodos apresentados neste estudo poderia ser a utilização de seus resultados em um sistema maior, que incluiria adicionalmente outras avaliações automatizadas de declínio cognitivo – como análise de deficiências motoras, deficiências olfativas, variações acústicas, etc. – já que a tomada de decisão sofisticada em inteligência artificial geralmente envolve a combinação de resultados obtidos de vários métodos”, disse ela.
_________________________
O estudo original foi publicado no EClinicalMedicine
* “Linguistic markers predict onset of Alzheimer’s disease” – 2020
Autores do estudo: Elif Eyigoz, Sachin Mathur, Mar Santamaria, Guillermo Cecchi, Melissa Naylor – 10.1016/j.eclinm.2020.100583
