Em colaboração com a Eisai Co., Ltd., a Universidade de Oita alcançou um marco significativo na pesquisa da doença de Alzheimer (AD). As equipes desenvolveram o primeiro modelo de aprendizado de máquina capaz de prever o acúmulo de beta-amiloide (Aβ) no cérebro usando dados de um sensor de pulso. Detalhado na revista Alzheimer’s Research & Therapy em 12 de dezembro de 2023, este modelo promissor oferece uma abordagem mais acessível e não invasiva para o rastreamento do acúmulo de Aβ no cérebro, um fator crucial na doença de Alzheimer.
Revolucionando a Detecção e Previsão do Alzheimer:
O novo modelo de aprendizado de máquina representa uma mudança na detecção da doença de Alzheimer. Métodos tradicionais, como tomografia por emissão de pósitrons (PET) e testes de líquido cefalorraquidiano, são limitados por seus altos custos, invasividade e disponibilidade. Em contraste, o novo modelo utiliza dados biológicos e de estilo de vida facilmente acessíveis, coletados de sensores de pulso e consultas médicas. Esses dados incluem atividade física, padrões de sono, frequência cardíaca e vários fatores de estilo de vida, como interações sociais e métodos de transporte. O modelo integra esses dados abrangentes para prever a probabilidade de acúmulo de Aβ no cérebro, mostrando resultados promissores, com um índice de avaliação de Área Sob a Curva (AUC) de 0,79, indicando um forte potencial para rastreamento preciso. Esta abordagem não apenas torna o rastreamento da doença de Alzheimer mais viável, mas também reduz o ônus financeiro e físico sobre os pacientes, especialmente em regiões com acesso limitado a instalações avançadas de testes médicos.
Ponto de Virada no Manejo da Doença de Alzheimer:
O desenvolvimento deste modelo é particularmente oportuno, pois o Japão enfrenta os desafios de uma sociedade superenvelhecida com um número crescente de pacientes com demência. Fatores de estilo de vida, como falta de exercício, isolamento social e distúrbios do sono, juntamente com doenças como hipertensão, diabetes e doenças cardiovasculares, são fatores de risco conhecidos para Alzheimer. Portanto, o modelo se destaca como uma ferramenta crucial para detecção precoce e intervenção, essenciais para o manejo eficaz da doença de Alzheimer. A pesquisa utilizou dados de um estudo de coorte prospectivo na cidade de Usuki, Prefeitura de Oita, envolvendo 122 indivíduos com comprometimento cognitivo leve ou comprometimento subjetivo da memória. Os participantes, com 65 anos ou mais, usavam sensores de pulso por cerca de sete dias a cada três meses, fornecendo dados biológicos contínuos. Esses dados, combinados com informações de estilo de vida obtidas por meio de consultas médicas, foram analisados usando tecnologias de aprendizado de máquina, incluindo máquina de vetor de suporte, Elastic Net e regressão logística.
Implicações para Pesquisas e Tratamentos Futuros do Alzheimer:
Esta nova abordagem abre novos caminhos para a pesquisa e o tratamento da doença de Alzheimer. Enfatiza a importância dos dados holísticos dos pacientes para entender e prever a progressão da doença. Além disso, a natureza não invasiva e a acessibilidade do modelo o tornam uma ferramenta inestimável na luta global
