Machine learning e deep learning na ressonância magnética para diagnóstico de doença de Alzheimer

uma revisão sistemática

Resumo

A Doença de Alzheimer (DA) é uma enfermidade neurodegenerativa progressiva, cujo diagnóstico é realizado por meio de avaliação cognitiva e exames de imagem complementares. A Inteligência Artificial (IA) tem demonstrado potencial para a detecção precoce da DA por meio da Imagem por Ressonância Magnética (IRM), permitindo a implementação de intervenções que retardam a progressão da doença. Este estudo tem como objetivo avaliar a acurácia diagnóstica da IRM associada ao Machine Learning (ML) e Deep Learning (DL) no diagnóstico da DA. Trata-se de uma revisão sistemática conduzida conforme as diretrizes do PRISMA, orientada pela pergunta: "Como o ML e o DL podem auxiliar no diagnóstico da DA por meio da IRM?". A pesquisa utilizou os descritores Alzheimer’s disease, Artificial Intelligence, Deep Learning, Machine Learning, Magnetic Resonance Imaging, MRI e Diagnosis, aplicados às bases de dados MEDLINE, Biblioteca Virtual em Saúde (BVS) e EBSCOHost. Foram incluídos artigos publicados entre junho de 2019 e junho de 2024, em inglês. Inicialmente, 107 artigos foram identificados, dos quais 9 atenderam aos critérios de inclusão. Os resultados indicaram que a acurácia dos modelos de IA variou entre 84,2% e 98,0%, demonstrando sua efetividade na detecção da DA. Tanto os modelos baseados em DL quanto em ML apresentaram desempenho significativo no diagnóstico da doença por meio da IRM. Conclui-se que a IA, ao integrar técnicas de ML e DL, representa um avanço promissor no diagnóstico precoce da DA, permitindo prognósticos mais precisos e abordagens terapêuticas mais eficazes