Desde o comprometimento cognitivo leve até o Alzheimer Previsão de risco

From mild cognitive impairment to Alzheimer's Risk prediction

Compartilhar no Pinterest
Como podemos prever quem progredirá para o Alzheimer a partir do comprometimento cognitivo leve. Crédito da imagem: Andrew Brookes/Getty Images.
  • A demência afeta mais de 55 milhões de pessoas em todo o mundo, custando cerca de US$ 1,3 trilhão por ano.
  • A forma mais comum de demência, a doença de Alzheimer, afeta até 70% dessas pessoas.
  • Novos tratamentos são mais eficazes se iniciados precocemente na progressão da doença, mas o diagnóstico é difícil nessa fase, pois os primeiros sintomas geralmente são ignorados como mudanças normais devido ao envelhecimento.
  • Agora, um novo estudo desenvolveu um framework de aprendizado profundo que pode identificar o risco de progredir do comprometimento cognitivo leve para o Alzheimer.

Em 2019, de acordo com o Estudo Global de Carga de Doenças, Lesões e Fatores de Risco, estima-se que 57,4 milhões de pessoas em todo o mundo tinham demência.

Até 2050, o estudo prevê que esse número terá aumentado para mais de 150 milhões. E a maioria dessas pessoas terá doença de Alzheimer.

O custo da demência é enorme, colocando enormes pressões nos sistemas de cuidados e nas famílias. Em todo o mundo, os custos anuais são estimados em US$ 1,3 trilhão.

Até recentemente, os tratamentos disponíveis podiam aliviar os sintomas, mas nenhum podia retardar ou interromper o progresso da doença.

Diagnóstico precoce para garantir eficiência no tratamento

Novos tratamentos com anticorpos monoclonais para a doença de Alzheimer, como lecanemabe, aducanumabe e donanemabe, têm sido aclamados como os primeiros tratamentos modificadores da doença.

Eles podem remover as placas de amiloide que se acumulam no cérebro e são consideradas responsáveis pela maioria dos sintomas da doença.

No entanto, esses tratamentos são eficazes apenas se forem administrados precocemente na doença. E aí reside o problema, pois o diagnóstico atual, de acordo com a Associação de Alzheimer, depende em grande parte do registro do declínio mental, e a condição raramente é diagnosticada antes que danos significativos ao cérebro tenham ocorrido.

Biomarcadores para a doença de Alzheimer, como proteínas amiloide e tau, podem ser detectados no líquido cefalorraquidiano (LCR), mas esse teste invasivo e caro não é totalmente confiável.

Pesquisas sugeriram que esses biomarcadores também podem ser detectados no plasma sanguíneo, mas ainda há um longo caminho a percorrer antes que esses testes possam ser usados na prática clínica.

A Dra. Emer MacSweeney, CEO e consultora neurorradiologista da Re:Cognition Health, enfatizou a importância do diagnóstico precoce, dizendo:

“Com o sucesso recente e muito esperado em testes clínicos internacionais para novos tratamentos modificadores da doença de Alzheimer e a aprovação do aducanumabe e lecanemabe pela FDA; há uma crescente necessidade de desenvolver avaliações baratas e ubíquas para identificar indivíduos precocemente em risco de desenvolver declínio cognitivo progressivo devido à doença de Alzheimer”.

Comprometimento cognitivo leve e risco de demência

Muitas pessoas experimentam comprometimento cognitivo leve à medida que envelhecem, mas a maioria delas não desenvolverá a doença de Alzheimer.

Uma abordagem para o diagnóstico é identificar quais indivíduos com comprometimento cognitivo leve têm maior risco de progredir para a doença de Alzheimer.

Um novo estudo fez exatamente isso – desenvolvendo um framework de aprendizado profundo que pode estratificar indivíduos com comprometimento cognitivo leve com base em seu risco de avançar para a doença de Alzheimer. A pesquisa foi publicada na iScience.

O Dr. Percy Griffin, diretor de engajamento científico da Associação de Alzheimer, não envolvido nesta pesquisa, recebeu bem o estudo.

“Se esse trabalho for validado em coortes maiores e mais diversas, ajudará os clínicos a prever a conversão de estágios anteriores para estágios posteriores da doença. Isso é importante porque a detecção precoce e o diagnóstico preciso permitirão que as pessoas aproveitem os tratamentos novos e emergentes para a doença de Alzheimer mais cedo no curso da doença”, disse ele ao Medical News Today.

Uma nova forma de detectar sutis alterações cerebrais

Os pesquisadores que conduziram o novo estudo usaram dados da Iniciativa de Neuroimagem da Doença de Alzheimer (ADNI) e do Centro Nacional de Coordenação do Alzheimer (NACC).

Todos os participantes cujos dados foram incluídos no estudo apresentavam comprometimento cognitivo leve. Os pesquisadores utilizaram imagens de ressonância magnética (IRM) e biomarcadores do LCR para diagnosticar o comprometimento cognitivo leve e a doença de Alzheimer, bem como dados post-mortem para confirmar esses diagnósticos.

Os indivíduos com comprometimento cognitivo leve foram separados em grupos com base nos níveis de amiloide do fluido cerebral. Em seguida, foram estudados os padrões de volume da substância cinzenta dentro desses grupos para identificar os grupos de risco.

Radiologistas analisaram as imagens de ressonância magnética (MRI) para identificar a presença e a extensão da atrofia em várias regiões. A atrofia cerebral está associada à progressão do comprometimento cognitivo leve para a doença de Alzheimer.

Os pesquisadores então desenvolveram modelos de aprendizado profundo para prever a progressão do comprometimento cognitivo leve para a doença de Alzheimer.

Em seguida, eles vincularam as previsões do modelo com evidências biológicas, confirmando os diagnósticos de Alzheimer com dados post-mortem.

O autor correspondente, Dr. Vijaya B. Kolachalama, professor associado de medicina na Escola de Medicina Chobanian & Avedisian da Universidade de Boston, explicou:

“Utilizamos redes neurais profundas baseadas em sobrevivência em conjunto com ressonância magnética estrutural minimamente processada, uma técnica amplamente disponível e não invasiva. Além disso, ao empregar métodos de aprendizado profundo de ponta em conjunto com SHapley Additive exPlanations (SHAP), um método baseado em teoria dos jogos cooperativos e usado para aumentar a transparência e a interpretabilidade dos modelos de aprendizado de máquina, fomos capazes de identificar as regiões particularmente importantes para prever um risco aumentado de progressão.”

O Dr. Griffin ficou encorajado com as descobertas do estudo: “A doença de Alzheimer mata células cerebrais e altera a estrutura do cérebro em várias regiões. Nas fases iniciais da doença, essas alterações podem ser sutis e difíceis de identificar.”

“Porque as técnicas de aprendizado de máquina utilizadas neste artigo são melhores para identificar essas alterações sutis nas regiões cerebrais afetadas, elas podem ajudar a melhorar a precisão da previsão da conversão para estágios posteriores da doença”, acrescentou ele.

Desenvolvimento promissor

“A detecção precoce das pessoas em risco é fundamental e, dada a complexidade do cérebro e dessa doença, a inovação usando aprendizado de máquina sobre regiões cerebrais provavelmente será a melhor maneira de prever as pessoas com maior risco”, disse o Dr. MacSweeney.

Os autores sugerem que sua abordagem prática para prever o risco de progressão individualizado em pessoas com comprometimento cognitivo leve pode ser útil tanto em configurações clínicas quanto de pesquisa que têm acesso a dados de neuroimagem estrutural rotineiramente coletados.

Embora acolha as descobertas, o Dr. Griffin adicionou uma nota de cautela: “As coortes usadas para estabelecer esses modelos não são representativas de nossas comunidades diversas que são afetadas pelo Alzheimer e outras demências. Isso significa que as diferenças raciais e étnicas na progressão da doença podem não ser capturadas nesses modelos.”

“É crucial garantir que as tecnologias emergentes não aprofundem as disparidades existentes na saúde. Portanto, esses modelos precisam ser treinados em coortes maiores e mais diversas antes de poderem ser aplicados amplamente”, acrescentou ele.

No entanto, o Dr. MacSweeney estava otimista de que essa abordagem inovadora poderia ajudar em diagnósticos mais precoces.

“Infelizmente, existem milhões de pessoas que têm essa doença, e criar inovação no cruzamento entre patologia, neurologia e ciência da computação é uma maneira muito promissora de resolver esse problema gigantesco”, disse ela ao MNT.