Modelos de IA usam processamento de linguagem natural para prever o risco de desenvolver Alzheimer

Uma equipe de pesquisadores de IA da IBM e da Pfizer desenvolveu algoritmos de IA que podem potencialmente detectar sinais da doença de Alzheimer, analisando a escrita das pessoas e encontrando padrões linguísticos.

Outros pesquisadores de IA desenvolveram modelos destinados a prever o desenvolvimento da doença de Alzheimer analisando PET scans ou interpretando dados de testes clínicos. Esses outros modelos foram treinados em dados recentes, mas o modelo desenvolvido pela equipe IBM-Pfizer foi treinado em dados do Framingham Heart Study, que inclui dados de mais de 14,000 pessoas em três gerações e seis décadas. A natureza de longo prazo dos dados é importante, pois se a IA for capaz de detectar padrões de forma confiável em grandes populações por longos períodos de tempo, os pesquisadores poderiam prever a manifestação do Alzheimer anos antes das técnicas de diagnóstico atuais. Além disso, pode ser um método de diagnóstico confiável que não requer o uso de tecnologia de varredura ou testes invasivos, aumentando o leque de cenários em que pode ser usado.

De acordo com o vice-presidente de saúde e ciências da vida da IBM, Ajay Royyuru, os modelos de IA desenvolvidos pela equipe de pesquisa podem funcionar como uma ferramenta que ajuda os médicos a obter pistas sobre o possível desenvolvimento da doença de Alzheimer antes dos testes clínicos. Os modelos podem funcionar essencialmente como sistemas de alerta precoce que levam os médicos a realizar testes mais extensos.

Para treinar os modelos de IA, a equipe de pesquisa utilizou transcrições de respostas manuscritas a diversas perguntas. Os participantes do Framingham Heart Study foram convidados a descrever uma imagem de um ambiente usando sua linguagem natural. As respostas geradas pelos respondentes foram digitalizadas e as transcrições foram alimentadas nos algoritmos de aprendizado de máquina como dados de treinamento. Segundo a IBM, os modelos conseguiram captar certas características linguísticas que estão correlacionadas com o desenvolvimento de doenças neurodegenerativas. Os médicos descobriram há muito tempo que o uso de palavras repetidas, erros ortográficos e uma preferência por frases simples em vez de frases mais complexas podem ser indicativos da progressão da doença de Alzheimer, e os modelos de IA atingiram essas mesmas características.

De acordo com o os resultados do estudo, o modelo principal alcançou aproximadamente 70% de precisão em prever qual dos participantes do estudo original eventualmente desenvolveu a doença de Alzheimer aos 85 anos de idade. Os modelos e, portanto, os resultados, foram derivados dos dados históricos do estudo original. Eles realmente não previram eventos futuros. Além disso, o modelo AI foi treinado na subseção mais antiga da população de Framingham. Essa população era principalmente branca não hispânica e, como resultado, há limites para a generalização dos resultados para outras etnias e outras populações ao redor do mundo. O tamanho da amostra para o estudo também foi bastante pequeno, consistindo em apenas 40 indivíduos que desenvolveram demência e 40 que não.

Apesar dessas limitações, o estudo tem valor como um dos primeiros estudos a analisar dados da vida real em larga escala coletados por um longo período de tempo. A precisão do modelo poderia ser aumentada se certos recursos deixados de fora do estudo fossem incluídos em dados de treinamento futuros, como caligrafia. Uma abordagem semelhante também pode ser usada com gravações de áudio da fala, que incluem pausas que não são representadas na linguagem escrita.

De acordo com Royyuru, a vantagem de usar amostras de linguagem é que, independentemente de as amostras serem faladas ou escritas, elas são métodos não invasivos de verificar as condições cognitivas das pessoas. A coleta de dados linguísticos pode ser feita remotamente e de forma relativamente barata, aproveitando a Internet, embora seja importante que as salvaguardas de privacidade e o consentimento informado estejam em vigor ao coletar esses dados.

Coautor do estudo e pesquisador de neuroimagem e psiquiatria computacional da IBM, Guillermo Cecchi, explicou a Scientific American que o processo está sendo adaptado para entender também outras formas de doença:

“Estamos no processo de alavancar essa tecnologia para entender melhor doenças como esquizofrenia, [esclerose lateral amiotrófica] e doença de Parkinson e estamos fazendo isso em estudos prospectivos [que] analisam amostras de fala falada, fornecidas com consentimento de testes verbais cognitivos semelhantes. ”