Método não invasor para a identificação adiantada da doença de Alzheimer e de demência relacionada

A informação recolhida das visitas rotineiras ao doutor é bastante para prever exactamente o risco de uma pessoa de desenvolver a doença de Alzheimer e demências relacionadas, de acordo com a pesquisa nova conduzida por cientistas do instituto de Regenstrief, da universidade de Indiana e do Merck. Os pesquisadores desenvolveram e testaram algoritmos de aprendizagem da máquina usando dados dos informes médicos eletrônicos para identificar os pacientes que podem ser em risco de desenvolver a demência.

Pelo menos 50 por cento de uns pacientes mais idosos da atenção primária que vivem com a doença de Alzheimer e as demências relacionadas nunca recebem um diagnóstico. E muito mais viva com os sintomas por dois a cinco anos antes de ser diagnosticado. Actualmente, os testes à tela para o risco da demência são invasores, demorados e caros.

A grande coisa sobre este método é que é passiva, e fornece a precisão similar aos testes mais intrusivos que são usados actualmente. Este é um baixo custo, a solução evolutiva que pode fornecer o benefício substancial aos pacientes e suas famílias ajudando as prepare para a possibilidade de vida com demência e possibilidade delas tomar a acção.”

Malaz Boustani, M.D., MPH, pesquisador do chumbo, cientista da pesquisa no instituto de Regenstrief e um professor na Faculdade de Medicina da universidade de Indiana

Algoritmos de aprendizagem tornando-se da máquina para a demência de predição

A equipa de investigação, que igualmente incluiu cientistas do estado de Geórgia, da faculdade de Albert Einstein da medicina e do grupo de investigação contínuo, publicou recentemente seus resultados em duas aproximações diferentes da aprendizagem de máquina. O papel publicado no jornal da sociedade americana da geriatria analisou os resultados de um algoritmo do processamento de linguagem natural, que aprendesse regras analisando exemplos, e a inteligência artificial no artigo da medicina compartilhou dos resultados de um modelo aleatório da floresta, que fosse construído usando um conjunto de árvores de decisão. Ambos os métodos mostraram a precisão similar em prever o início da demência dentro de um e três anos de diagnóstico.

A fim treinar os algoritmos, os pesquisadores recolheram dados em pacientes da rede de Indiana para o assistência ao paciente. Os modelos usaram a informação nas prescrições e os diagnósticos, que são campos estruturados, assim como as notas médicas, que são texto livre, para prever o início da demência. Os pesquisadores encontraram que as notas do texto livre eram as mais valiosas à ajuda identificam povos em risco de desenvolver a doença.

“Esta pesquisa é emocionante porque fornece potencial o benefício significativo aos pacientes e às suas famílias,” disse Patrick Monahan, PhD, autor do estudo da Faculdade de Medicina do IU e um cientista da filial de Regenstrief. Os “clínicos podem fornecer a educação no comportamento e nos hábitos para ajudar pacientes a lidar com seus sintomas e a viver uma qualidade de vida melhor.”

Zina Ben Miled, PhD, M.S., um autor do estudo da escola de Purdue da engenharia e tecnologia em IUPUI e em um Regenstrief afília o cientista, disse, “a identificação adiantada do risco permite uma oportunidade para que doutores e as famílias ponham um plano do cuidado no lugar. Eu conheço por experiência o que uma carga ele pode ser tratar um diagnóstico da demência. O indicador fornecido por este teste é tão importante de ajudar a melhorar a qualidade de vida para ambos os pacientes e suas famílias.”

Além do que o benefício às famílias, estes métodos podem igualmente fornecer poupanças de despesas significativas para pacientes e sistemas da saúde. Substituem a necessidade para testes caros e permitem que os clínicos seleccionem todas a população para identificar o mais em risco aqueles. Atrasar o início dos sintomas igualmente salvar uma quantidade significativa de dinheiro no tratamento.

O passo seguinte é distribuir na vida real estas clínicas dos algoritmos de aprendizagem da máquina para testar se ajudam a identificar uns casos mais verdadeiros da demência assim como a aprender como impactam a vontade de um paciente de continuar nos resultados.

Source:
Journal reference:

Boustani, M, et al. (2020) Passive Digital Signature for Early Identification of Alzheimer's Disease and Related Dementia. Journal of the American Geriatrics Society. doi.org/10.1111/jgs.16218.