IA aprende a prever o risco de morte por doença de Parkinson

Cientistas da Universidade Yonsei (Coreia do Sul) conduziram um estudo sobre a previsão da mortalidade de pacientes com doença de Parkinson usando inteligência artificial explicável (XAI), capaz de descrever suas ações e decisões. Para o trabalho, os especialistas utilizaram dados de 36.480 pessoas. Para a previsão individual, 165 parâmetros foram derivados dos dados, incluindo idade, sexo, nível de renda, área de residência e tipo de seguro. A IA, utilizando sete algoritmos de aprendizado de máquina, identificou as características mais influentes para a previsão da mortalidade. Os resultados do estudo foram publicados na revista Nature.

Dentre os algoritmos, o XGBoost apresentou o melhor desempenho. O modelo identificou idade, gênero (masculino), pneumonia, doença de Alzheimer e alto índice de massa corporal como as características mais significativas para a previsão da mortalidade. Os marcadores também incluíram infarto isquêmico, demência não especificada e traumatismo cranioencefálico.

A tabela comparou dados de pacientes que faleceram dentro de 10 anos após o diagnóstico com aqueles que viviam com a doença no mesmo período. Além dos registros médicos do Serviço Nacional de Seguro de Saúde da Coreia do Sul (NHIS), os pesquisadores utilizaram informações de questionários pessoais dos pacientes, o que ajudou a detalhar indicadores de qualidade de vida. O modelo mostrou que pacientes com baixa atividade física morreram com mais frequência (13.484 pessoas de 36.480 ao longo de 10 anos). Ao mesmo tempo, apenas 809 pessoas que levavam um estilo de vida ativo morreram durante esse período.

Outro parâmetro estudado, a glicemia de jejum (mg/dl), apresentou média de 107,79 ± 35,47 em pacientes falecidos e 103,43 ± 27,84 em sobreviventes. Pacientes falecidos apresentaram níveis de colesterol mais baixos (188,19 ± 45,26 versus 193,82 ± 44,59 em sobreviventes) e índice de massa corporal (23,21 ± 3,29 versus 24,21 ± 3,10).

Os cientistas ressaltam que, ao utilizar o XAI, conseguiram demonstrar a possibilidade de prever individualmente o risco de mortalidade em pacientes com doença de Parkinson no momento do diagnóstico. Dessa forma, os parâmetros controlados (IMC, parâmetros laboratoriais) podem ser ajustados para prolongar a vida. A aplicação prática desses dados permite o gerenciamento personalizado do paciente: por exemplo, recomenda-se que idosos com doença de Parkinson e doença de Alzheimer concomitante tenham monitoramento especial de peso e parâmetros laboratoriais. No entanto, os pesquisadores enfatizam que, para aumentar a precisão da previsão de dez anos em estudos futuros, é aconselhável integrar parâmetros clínicos dinâmicos. A validação do modelo em outras populações também é necessária para o dimensionamento do modelo.

Em setembro de 2023, um dos vencedores do Prêmio Breakthrough anual, informalmente chamado de "Oscar da Ciência", foi uma equipe de pesquisa da Alemanha que descobriu as causas genéticas mais comuns da doença de Parkinson. Thomas Gasser (Instituto Hertie de Pesquisa Clínica do Cérebro, Universidade de Tübingen e Centro Alemão de Doenças Neurodegenerativas), Ellen Sidransky (Instituto Nacional de Pesquisa do Genoma Humano, Institutos Nacionais de Saúde) e Andrew Singleton (Instituto Nacional do Envelhecimento, Institutos Nacionais de Saúde) descobriram as causas genéticas mais comuns da doença de Parkinson.

Sidransky identificou mutações no gene GBA1, que codifica uma enzima que decompõe substâncias gordurosas nas células, sendo um fator de risco genético para a doença de Parkinson. Enquanto isso, Gasser e Singleton demonstraram, de forma independente, que mutações no gene LRRK2 levam ao aumento da atividade de uma proteína que se acredita contribuir para o dano neuronal que ocorre na doença. Essas descobertas oferecem pistas sobre os mecanismos que causam a doença, apontando para o papel do lisossomo, uma organela celular que decompõe e recicla componentes celulares.