A análise de ressonância magnética orientada à IA melhora a precisão na distinção de distúrbios parkinsonianos

Os pesquisadores da Universidade da Flórida lideraram um estudo multicêntrico, demonstrando que a diferenciação automatizada de imagem para o Parkinsonism (AIDP), um método de aprendizado de máquina usando ressonância magnética (RM), distingue com precisão a doença de Parkinson (DP) de distúrbios parkinsonianos atípicos. Os resultados sugerem que essa abordagem pode melhorar significativamente a precisão diagnóstica e os cuidados clínicos.

Distúrbios parkinsonianos, incluindo DP, atrofia do sistema múltiplo (MSA) e paralisia supranuclear progressiva (PSP), apresentam desafios de diagnóstico devido a características clínicas sobrepostas. Métodos de diagnóstico tradicionais, como avaliações clínicas e imagens convencionais, freqüentemente falham em diferenciar esses distúrbios com precisão, especialmente nos estágios iniciais.

A imagem do transportador de dopamina, aprovada pela FDA desde 2011, distingue o parkinsonismo do tremor essencial, mas luta para diferenciar a DP de MSA ou PSP. Outros biomarcadores, como biópsias de pele e ensaios de agregação de sinucleína, também têm limitações, principalmente a falta de especificidade para o PSP.

No estudo, “diferenciação automatizada de imagem para o parkinsonismo”, publicada em Jama NeurologyPesquisadores conduziram um estudo de coorte prospectivo e multicêntrico envolvendo 249 participantes diagnosticados com DP, MSA ou PSP em 21 locais de grupo de estudo de Parkinson nos EUA e no Canadá. Os pesquisadores complementaram esses dados com 396 casos retrospectivos para treinar o modelo de aprendizado de máquina AIDP.

A AIDP analisa as varreduras avançadas de ressonância magnética, especificamente as técnicas de imagem de difusão que medem o movimento da água no tecido cerebral, revelando diferenças estruturais indicativas de alterações neurodegenerativas. Os pesquisadores examinaram 132 regiões cerebrais distintas, incluindo áreas corticais, subcorticais, troncos cerebrais e cerebelares, para identificar padrões exclusivos para cada transtorno da parkinsonia.

Os resultados mostraram que o AIDP diferenciou com precisão a DP do parkinsonismo atípico, classificando corretamente os casos de DP em casos atípicos em 96% do tempo. O AIDP distinguiu o MSA de PSP com precisão de 98% e DP diferenciada da mesma forma do MSA e PSP, cada um com precisão de 98%.

Notavelmente, o AIDP superou os métodos clínicos tradicionais quando comparado aos casos confirmados por autópsia, atingindo a precisão diagnóstica de 93,9%, uma melhoria de 12,3% em relação aos diagnósticos clínicos. O potencial do AIDP como uma ferramenta de diagnóstico superior é evidente, principalmente para desafiar casos clínicos.

A abordagem baseada em ressonância magnética da AIDP é não invasiva e eficaz em diversas plataformas de ressonância magnética e ambientes clínicos, apoiando a escalabilidade para ampla adoção clínica. Ao contrário da imagem do transportador de dopamina, que detecta déficits da dopamina, mas carece de especificidade entre diferentes distúrbios parkinsonianos, o AIDP distingue claramente entre DP, MSA e PSP.

Os pesquisadores propõem a integração do AIDP em protocolos de diagnóstico de rotina, potencialmente juntamente com biomarcadores complementares, como ensaios de agregação de sinucleína ou testes de biópsia da pele, aumentando a precisão e a eficiência na prática clínica.

© 2025 Science X Network