Cientistas da UC San Francisco desenvolveram um método usando aprendizado de máquina para prever a doença de Alzheimer até sete anos antes da manifestação dos sintomas, analisando registros de pacientes e identificando colesterol alto e osteoporose (em mulheres) como principais preditores. Esta descoberta demonstra o potencial da inteligência artificial na previsão precoce de doenças e na compreensão da biologia por trás dos riscos das doenças, com a esperança de avançar no diagnóstico e tratamento da doença de Alzheimer e de outras doenças complexas.
Cientistas da UC San Francisco desenvolveram um método usando aprendizado de máquina para prever o início de Alzheimer Doença até sete anos antes do aparecimento dos sintomas, através do exame dos prontuários dos pacientes.
As condições que mais influenciaram a previsão do Alzheimer foram o colesterol elevado e, para as mulheres, a osteoporose, doença que enfraquece os ossos.
O trabalho demonstra a promessa de usar a inteligência artificial (IA) para detectar padrões em dados clínicos que podem então ser usados para vasculhar grandes bases de dados genéticas para determinar o que está a causar esse risco. Os investigadores esperam que um dia isso acelere o diagnóstico e o tratamento da doença de Alzheimer e de outras doenças complexas.
“Este é um primeiro passo para usar IA em dados clínicos de rotina, não apenas para identificar o risco o mais cedo possível, mas também para compreender a biologia por trás dele”, disse a principal autora do estudo, Alice Tang, estudante de MD/PhD no Laboratório Sirota na UCSF. “O poder desta abordagem de IA vem da identificação de riscos com base em combinações de doenças.”
As descobertas foram publicadas recentemente na revista Envelhecimento da Natureza.
Dados clínicos e o poder da previsão
Os cientistas há muito que procuram descobrir os factores biológicos e os preditores precoces da doença de Alzheimer, uma forma progressiva e, em última análise, fatal de demência que destrói a memória. A doença de Alzheimer afeta cerca de 6,7 milhões de americanos, quase dois terços dos quais são mulheres. O risco de contrair a doença aumenta com a idade e as mulheres tendem a viver mais do que os homens, mas isso não explica completamente por que razão há mais mulheres do que homens que a sofrem.
Os pesquisadores usaram o banco de dados clínico da UCSF de mais de 5 milhões de pacientes para procurar condições concomitantes em pacientes que foram diagnosticados com Alzheimer no Centro de Memória e Envelhecimento da UCSF em comparação com indivíduos sem DA e descobriram que podiam identificar com 72% de poder preditivo quem desenvolveriam a doença até sete anos antes.
Vários fatores, incluindo hipertensão, colesterol elevado e deficiência de vitamina D, foram preditivos em homens e mulheres. A disfunção erétil e o aumento da próstata também foram preditivos para os homens. Mas para as mulheres, a osteoporose foi um preditor particularmente importante.
Isto não significa que todas as pessoas com a doença óssea, comum entre as mulheres mais velhas, irão desenvolver a doença de Alzheimer.
“É a combinação de doenças que permite ao nosso modelo prever o início da DA”, disse Tang, “A nossa descoberta de que a osteoporose é um factor preditivo para as mulheres destaca a interação biológica entre a saúde óssea e o risco de demência”.
Uma abordagem de medicina de precisão
Para compreender a biologia subjacente ao poder preditivo do modelo, os pesquisadores recorreram a bancos de dados moleculares públicos e a uma ferramenta especializada desenvolvida na UCSF chamada SPOKE (Scalable Precision Medicine Oriented Knowledge Engine), que foi desenvolvida no laboratório de Sergio Baranzini, Ph.D., professor de neurologia e membro do Instituto Weill de Neurociências da UCSF.
SPOKE é essencialmente um banco de dados que os pesquisadores podem usar para identificar padrões e potenciais alvos moleculares para terapia. Detectou a conhecida associação entre Alzheimer e colesterol elevado, através de uma forma variante do gene da apolipoproteína E, APOE4. Mas, quando combinado com bases de dados genéticas, também identificou uma ligação entre a osteoporose e a doença de Alzheimer nas mulheres, através de uma variante num gene menos conhecido, denominado MS4A6A.
Em última análise, os investigadores esperam que a abordagem possa ser usada com outras doenças difíceis de diagnosticar, como o lúpus e a endometriose.
“Este é um ótimo exemplo de como podemos aproveitar os dados dos pacientes com aprendizado de máquina para prever quais pacientes têm maior probabilidade de desenvolver Alzheimer e também para entender as razões pelas quais isso acontece”, disse a autora sênior do estudo, Marina Sirota, PhD. professor associado do Bakar Computational Health Sciences Institute da UCSF.
Referência: “Aproveitando registros eletrônicos de saúde e redes de conhecimento para previsão da doença de Alzheimer e insights biológicos específicos de sexo” por Alice S. Tang, Katherine P. Rankin, Gabriel Cerono, Silvia Miramontes, Hunter Mills, Jacquelyn Roger, Billy Zeng, Charlotte Nelson, Karthik Soman, Sarah Woldemariam, Yaqiao Li, Albert Lee, Riley Bove, Maria Glymour, Nima Aghaeepour, Tomiko T. Oskotsky, Zachary Miller, Isabel E. Allen, Stephan J. Sanders, Sergio Baranzini e Marina Sirota, 21 de fevereiro de 2024, Envelhecimento da Natureza.
DOI: 10.1038/s43587-024-00573-8
O Instituto Nacional do Envelhecimento forneceu o apoio principal para este estudo (concessão R01AG060393). Apoio adicional foi fornecido pelo Programa de Treinamento de Cientistas Médicos (T32GM007618) e pela Bolsa F30 (1F30AG079504-01).
