Análise de algoritmos de aprendizagem de máquina para auxílio no diagnóstico de demências em estágio inicial

Abstract

Demências, incluindo a doença de Alzheimer, representam um desafio crescente para a saúde pública, com o diagnóstico precoce sendo crucial para retardar ou até mesmo evitar a progressão para formas mais graves de demência, permitindo ao indivíduo condições prolongar uma vida saudável. Também permite que os pacientes e suas famílias planejem antecipadamente os cuidados e as necessidades futuras. Mas o diagnóstico na fase pré-demencial é bastante desafiador, os sintomas iniciais podem ser sutis, além de que não há um exame que possa absolutamente diagnosticar a doença; o diagnóstico é feito com uma combinação de avaliação clínica, testes cognitivos e exames de imagem. A utilização de algoritmos de aprendizagem de máquina surge como uma abordagem promissora para identificar diagnósticos de comprometimento cognitivo leve, CCL, oferecendo a capacidade de identificar padrões complexos nos dados de pacientes que podem não ser facilmente perceptíveis para profissionais de saúde. Então, o objetivo desse trabalho é verificar o desempenho de algoritmos de inteligência artificial na identificação de demência em estágio inicial a partir de fatias de ressonância magnética representadas por atributos de forma e textura. Para esse fim, foi feito um experimento usando os algoritmos de classificação Floresta Aleatória e Máquina de Vetores de Suporte (SVM), conduzida em uma base de dados composta por imagens de ressonâncias magnéticas de 984 indivíduos, divididos em três classes: Doença de Alzheimer, Comprometimento Cognitivo Leve (CCL) e Cognição Normal, com o intuito de classificar entre essas três classes e tentar prever qual delas uma imagem cerebral seria parte. Os resultados do experimento revelaram que o SVM não obteve bons resultados, alcançando uma acurácia máxima de apenas 23,65%, independentemente da configuração utilizada. Por outro lado, a floresta aleatória demonstrou um desempenho promissor, atingindo uma acurácia máxima de 56,08% com 150 árvores. No entanto, é importante ressaltar que, apesar do progresso alcançado, ainda há dificuldades significativas a serem superadas na busca por métodos precisos e confiáveis para o diagnóstico precoce de demências através de imagens de ressonância magnética.