Algoritmo computacional se mostrou eficaz no diagnóstico de Alzheimer
A combinação de duas técnicas de baixo custo se mostrou eficaz no diagnóstico de Alzheimer, doença neurodegenerativa e progressiva do sistema nervoso central. A análise de dados obtidos pela técnica de eletroencefalografia (EEG) – usada para o diagnóstico de enfermidades como epilepsia, esquizofrenia, distúrbios do sono e Parkinson –, em combinação com um algoritmo computacional, permitiu diferenciar pacientes saudáveis dos portadores da doença.
O estudo foi publicado na revista PLOS ONE por pesquisadores da Universidade Estadual Paulista (Unesp) e do Instituto Nacional de Pesquisas Espaciais (Inpe).
“A técnica utilizada nesse trabalho, proposta durante meu doutorado, permite mapear dados fisiológicos em uma rede complexa e analisar a dinâmica de informações a partir das características da rede associada. É sabido que dados de EEG de pacientes com a doença de Alzheimer apresentam uma diminuição das chamadas componentes de alta frequência, bem como um aumento das componentes de baixa frequência, quando comparados ao exame de pacientes sadios. Observamos que dados de EEG de pacientes com dinâmicas distintas [sadios versus doentes] resultaram num mapeamento em redes com topologias também distintas, o que atesta a eficiência da técnica”, explica Andriana Campanharo, professora do Instituto de Biociências de Botucatu (IBB-Unesp) e coordenadora do estudo.
A eletroencefalografia consiste na medição dos sinais elétricos do cérebro por meio de eletrodos no couro cabeludo, o que permite o registro das atividades dos neurônios em intervalos de tempo uniformes. Já uma rede complexa é uma estrutura descrita por um conjunto de vértices, arestas e por algum tipo de interação entre eles, de forma que possam ser analisados computacionalmente.
“Uma das grandes vantagens desse trabalho é utilizar dados de EEG – exame com baixo custo, alta resolução temporal, ampla disponibilidade e que fornece informações valiosas sobre a dinâmica cerebral de indivíduos com Alzheimer”, diz Aruane Mello Pineda, primeira autora do trabalho, realizado durante seu mestrado no IBB-Unesp.
O diagnóstico foi possível a partir da classificação das redes complexas associadas aos dados de EEG de 48 voluntários, sendo 24 saudáveis e 24 com Alzheimer em estágio avançado. As informações fazem parte de um banco de dados reunido por pesquisadores da Universidade Estadual da Flórida, nos Estados Unidos.
Áreas mais afetadas
Além da classificação de todos os voluntários como “sadio” ou “doente”, foi realizada uma investigação das áreas do cérebro mais afetadas pela doença. Para isso, dados de EEG dos portadores de Alzheimer, em 19 diferentes posições do couro cabeludo, foram também mapeados em redes complexas.
Com base na análise estatística das redes obtidas, os pesquisadores concluíram que a região temporal-parietal esquerda – na parte traseira superior da cabeça – é onde os eletrodos melhor detectam os sinais elétricos associados ao Alzheimer.
“A observação corresponde à compreensão atual sobre a progressão da doença, que geralmente se manifesta nessa região, responsável pela memória verbal e que, aparentemente, é mais vulnerável”, afirma Pineda, que atualmente realiza doutorado, no Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI), um Centro de Pesquisa, Inovação e Difusão (CEPID) financiado pela FAPESP na Universidade de São Paulo (USP), em São Carlos.
O grupo liderado por Campanharo agora trabalha com um banco de dados maior, com mais de 100 pacientes, entre saudáveis e com diferentes estágios de Alzheimer. Uma vez que a técnica foi validada para identificar portadores da doença em estágio avançado, o objetivo agora é identificar padrões que diferenciem o estágio inicial do avançado.
O trabalho abre caminho para que, futuramente, haja um diagnóstico automático e mais preciso da doença de Alzheimer. Dessa forma, será possível detectá-la ainda em fase inicial, facilitando o tratamento precoce.
O estudo contou com a colaboração dos pesquisadores Fernando M. Ramos, do Inpe, e Luiz Eduardo Betting, da Faculdade de Medicina de Botucatu (FMB-Unesp).
O artigo Quantile graphs for EEG-based diagnosis of Alzheimer’s disease pode ser lido em: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0231169.
Fonte: André Julião | Agência FAPESP
