Diagnóstico de Alzheimer pode ser otimizado com tecnologia Deep Learning
Já abordamos por aqui a importância da Deep Learning (DL) no diagnóstico de vários tipos de câncer, por meio do processamento de imagens. A tecnologia tem se mostrado útil em diversos âmbitos da área da Saúde e na detecção também de outras doenças, como é o caso do Alzheimer (Doença de Alzheimer – DA), que constitui entre 50% e 70% de todos os casos de demência.
O diagnóstico precoce do Alzheimer é essencial para seu controle e, ao mesmo tempo, bastante desafiador pelos métodos tradicionais – que consistem em avaliação física de profissionais, acompanhada de testes de memória e bateria cognitiva. É nesse sentido que a Deep Learning se torna uma aliada, tendo em vista que pode ser capaz de realizar o processamento de imagens de ressonância magnética, o que otimizaria e complementaria um diagnóstico preciso.
LEIA TAMBÉM:
Deep Learning e a segurança da informação
Deep Learning e sua utilidade para o diagnóstico do câncer
A Inteligência Artificial irá substituir os radiologistas?
A portuguesa NeuroPsyCAD é um exemplo de startup pioneira na área que já realiza testes para detecção da fase inicial da DA e demais doenças semelhantes por meio de inteligência artificial. O objetivo é reunir uma base de dados com imagens de cérebros de pacientes que tenham DA ou outras doenças muito parecidas – como Déficit Cognitivo Ligeiro. O desafio é treinar os algoritmos para analisar esses dados e encontrar justamente um padrão que diferencia a Doença de Alzheimer do Déficit Cognitivo Ligeiro, algo muito difícil de ser distinguido, por exemplo, em consultas e outros exames médicos.
Embora ainda sem prazo para chegar ao mercado devido ao seu trabalho minucioso e muito detalhado com os algoritmos e com a criação de novo banco de dados, a tecnologia desenvolvida pela startup tem conquistado bons resultados e níveis de precisão próximos a 90% em testes já realizados. Não há dúvidas, portanto, de que esta inovação será, futuramente, uma grande aliada aos métodos tradicionais de detecção da doença.
Fontes: National Center for Biotechnology, Convergencia Digital, Jornal de Negócios
