Cientistas desenvolvem método não invasivo para prever o início da demência
A triagem usando dados de EMR pode ajudar na identificação precoce do risco de doença de Alzheimer
As informações coletadas nas visitas de rotina ao médico são suficientes para prever com precisão o risco de uma pessoa desenvolver a doença de Alzheimer e demências relacionadas, de acordo com uma nova pesquisa. Os pesquisadores desenvolveram e testaram algoritmos de aprendizado de máquina usando dados de registros médicos eletrônicos para identificar pacientes que podem estar em risco de desenvolver demência.
As informações coletadas nas visitas de rotina ao médico são suficientes para prever com precisão o risco de uma pessoa desenvolver a doença de Alzheimer e demências relacionadas, de acordo com uma nova pesquisa liderada por cientistas do Regenstrief Institute, Indiana University e Merck. Os pesquisadores desenvolveram e testaram algoritmos de aprendizado de máquina usando dados de registros médicos eletrônicos para identificar pacientes que podem estar em risco de desenvolver demência.
Pelo menos 50% dos pacientes idosos de cuidados primários que vivem com doença de Alzheimer e demências relacionadas nunca recebem um diagnóstico. E muitos mais convivem com os sintomas por dois a cinco anos antes de serem diagnosticados. Atualmente, os testes para rastrear o risco de demência são invasivos, demorados e caros.
"A grande vantagem desse método é que ele é passivo e fornece precisão semelhante aos testes mais invasivos que são usados ??atualmente", disse o pesquisador principal Malaz Boustani, MD, MPH, cientista do Regenstrief Institute e professor da Universidade de Indiana. Escola de Medicina. "Esta é uma solução escalável e de baixo custo, que pode proporcionar benefícios substanciais aos pacientes e suas famílias, ajudando-os a se prepararem para a possibilidade de vida com demência e permitindo-lhes agir".
Desenvolvendo algoritmos de aprendizado de máquina para prever demência
A equipe de pesquisa, que também incluiu cientistas da Georgia State, Faculdade de Medicina Albert Einstein e Solid Research Group, publicou recentemente suas descobertas em duas abordagens diferentes de aprendizado de máquina. O artigo publicado no Journal of the American Geriatrics Society analisou os resultados de um algoritmo de processamento de linguagem natural, que aprende regras analisando exemplos, e o artigo de Inteligência Artificial em Medicina compartilhou os resultados de um modelo de floresta aleatória, construído usando um conjunto de árvores de decisão. Ambos os métodos mostraram precisão semelhante na previsão do início da demência dentro de um e três anos após o diagnóstico.
Para treinar os algoritmos, os pesquisadores coletaram dados sobre pacientes da Rede de Assistência ao Paciente de Indiana. Os modelos usaram informações sobre prescrições e diagnósticos, que são campos estruturados, bem como anotações médicas, que são textos livres, para prever o início da demência. Os pesquisadores descobriram que as notas de texto livre eram as mais valiosas para ajudar a identificar pessoas em risco de desenvolver a doença.
"Esta pesquisa é empolgante porque potencialmente fornece benefícios significativos para os pacientes e suas famílias", disse Patrick Monahan, PhD, autor do estudo da IU School of Medicine e um cientista afiliado à Regenstrief. "Os médicos podem fornecer educação sobre comportamento e hábitos para ajudar os pacientes a lidar com seus sintomas e viver uma melhor qualidade de vida".
Zina Ben Miled, PhD, MS, autora do estudo da Escola de Engenharia e Tecnologia Purdue da IUPUI e cientista afiliado à Regenstrief, disse: "A identificação precoce de riscos permite aos médicos e famílias a oportunidade de estabelecer um plano de cuidados. I saiba por experiência própria que ônus pode ser lidar com o diagnóstico de demência. A janela fornecida por esse teste é tão importante para ajudar a melhorar a qualidade de vida dos pacientes e de suas famílias ".
Além do benefício para as famílias, esses métodos também podem proporcionar economias de custo significativas para pacientes e sistemas de saúde. Eles substituem a necessidade de testes caros e permitem que os médicos examinem populações inteiras para identificar as que apresentam maior risco. Atrasar o aparecimento dos sintomas também economiza uma quantia significativa de dinheiro no tratamento.
O próximo passo é implantar esses algoritmos de aprendizado de máquina em clínicas da vida real para testar se eles ajudam a identificar casos mais verdadeiros de demência, além de aprender como eles afetam a disposição de um paciente em acompanhar os resultados.
Fonte da história:
Materiais fornecidos pelo Regenstrief Institute . Nota: O conteúdo pode ser editado por estilo e duração.
Referências de periódicos :
- Malaz Boustani, Anthony J. Perkins, Rezaul Karim Khandker, Stephen Duong, Paul R. Dexter, Richard Lipton, Christopher M. Black, Vasu Chandrasekaran, Craig A. Sólido, Patrick Monahan. Assinatura digital passiva para identificação precoce da doença de Alzheimer e demência relacionada . Jornal da Sociedade Americana de Geriatria , 2019; DOI: 10.1111 / jgs.16218
- Zina Ben Miled, Kyle Haas, Christopher M. Black, Rezaul Karim Khandker, Vasu Chandrasekaran, Richard Lipton, Malaz A. Boustani. Prevendo demência com dados de EMR de cuidados de rotina . Inteligência Artificial em Medicina , 2020; Os dados foram analisados ??por meio de entrevistas semiestruturadas.
Instituto Regenstrief. "Os cientistas desenvolvem um método não invasivo para prever o aparecimento de demência: a triagem usando dados de EMR pode ajudar na identificação precoce do risco de doença de Alzheimer". ScienceDaily. ScienceDaily, 11 de fevereiro de 2020. .