Inteligência Artificial no diagnóstico de doenças neurodegenerativas: uma revisão sistemática de literatura

Autores

DOI:

https://doi.org/10.33448/rsd-v10i11.20004

Palavras-chave:

Inteligência artificial; Doenças neurodegenerativas; Ressonância magnética; Diagnóstico.

Resumo

Introdução: Inteligência Artificial (IA) é um ramo da ciência da computação que se propõe a desenvolver sistemas que simulem a capacidade humana de percepção de um problema, identificando seus componentes para, com isso, resolver problemas e propor/tomar decisões. Objetivo: ampliar conhecimentos e categorizar aplicações do uso da IA para o diagnóstico, tratamento e prognóstico de doenças neurodegenerativas, uma vez que, atualmente, seu uso se torna amplamente aplicável e essencial para contornar as etapas da moléstia. Metodologia: Trata-se de uma pesquisa descritiva do tipo revisão integrativa da literatura realizada através do acesso online nas bases de dados National Library of Medicine (PubMed MEDLINE), Scientific Electronic Library Online (Scielo), Google Scholar, Biblioteca Virtual em Saúde (BVS), Web of Science e EBSCO Information Services, nos meses de junho e julho de 2021. Resultados e discussão: Nos últimos anos, os dados obtidos por redes neurais, aprendizagem profunda e outros métodos matemáticos estão se desenvolvendo a uma velocidade sem precedentes. Eles têm sido amplamente utilizados no campo da análise de imagens, e demostraram grande potencial na análise de imagens médicas no diagnóstico de Doença de Alzheimer, Doença de Parkinson, esclerose múltipla, sendo a aplicação destes métodos podem melhorar ainda mais a capacidade de análise de dados de imagem multimodais complexos e melhorar a eficiência desses diagnósticos.  Conclusão: com a inteligência artificial, os distúrbios neurodegenerativos podem ser investigados em um nível mais profundo, fornecendo uma visão geral abrangente da doença e abrindo caminhos para a aplicação da medicina de precisão para essas patologias.

Referências

Ahmed, O. B., Mizotin, M., Pineau, J. B., Allard, G. C. & Amar, C. B. (2015). Alzheimer’s disease diagnosis on structural MR images using circular harmonic functions descriptors on hippocampus and posterior cingulate cortex. Computerized Medical Imaging and Graphics, 44 (1), 13-25.

Ahmed, O. B., Pineau, J. B., Allard, M., Catheline, G. & Amar, C. B. (2016). Recognition of Alzheimer's Disease and Mild Cognitive Impairment with multimodal image-derived biomarkers and Multiple Kernel Learning. Computerized Medical Imaging and Graphics, 16 (1), 1-35.

Bakkar, N., Kovalik, T., Lorenzini, I., Spangler, S., Lacoste, A., Sponaugle, K., Ferrante, P., Argentinis, E., Sattler, R. & Bowser, R. (2018) Artificial intelligence in neurodegenerative disease research: use of IBM Watson to identify additional RNA-binding proteins altered in amyotrophic lateral sclerosis. Acta neuropathologica, 135(2), 227-247.

Belic, M., Bobic, V., Badza, M., Solaja, N. & Juvicic, M. D. (2019). Artificial intelligence for assisting diagnostics and assessment of Parkinson’s disease—A review. Clinical Neurology and neurosurgery. 184 (105442), 1-7.

Braga, A., Lins, A., Soares, L., Fleury, L., Carvalho, J. & Prado, R. (2019) Machine learning: O Uso da Inteligência Artificial na Medicina. Braz. J. of Develop, 5(9), 16407-16413.

Ding, Y., Sohn, J. H., Kawcynski, M. G., Trivedi, H., Harnish, R., Jenkins, N., Lituiev, D., Copeland, T. P. & ABoian, M. S. (2019). A Deep Learning Model to Predict a Diagnosis of Alzheimer Disease by Using 18F-FDG PET of the Brain. Radioloy, 290 (1), 456-464.

Folego, G., Weiler, M., Casseb, R. F., Pires, R. & Rocha, A. (2020). Alzheimer’s Disease Detection Through Whole-Brain 3D-CNN MRI Frontiers in Bioengineering and Biotechnology, 8 (534592), 1-14.

Fomenko, A. & Lozano, A. (2019) Artificial intelligence in neurosurgery. University of Toronto Medical Journal, 96(1), 19-21.

Kim, D., Wit, H. & Thurston, M. (2018) Artificial intelligence in the diagnosis of Parkinson’s disease from ioflupane-123 single-photon emission computed tomography dopamine transporter scans using transfer learning. Nuclear medicine communications, 39(10), 887-893.

Liu, X., Chen, K., Wu, T., Weidman, D., Lure, F. & Li, J. (2018). Use of multi-modality imaging and artificial intelligence for diagnosis and prognosis of early stages of alzheimer's disease. Translational Research, 1-33.

Lobo, L. (2017) Inteligência Artificial e Medicina. Rev Bras de Educação Médica, 41(1), 185-193.

Matsuoka, T., Imai, A., Fujimoto, H., Kato, Y., Shibata, K., Nakamura, L., Yokota, H., Yamada, K. & Narumoto, J. (2017). Reduced Pineal volume in Alzheimer disease: a retrospective cross-sectional MR imaging study. Radiology, 286 (1), 238-248.

Russel, S. & Norvig, P. (2013) Inteligência Artificial. (3a ed.), Elsevier.

Strafella, C., Caputo, V., Galota, M., Zampatti, S., Marella, G., Mauriello, S., Cascella, R. & Giardina, E. (2018) Application of precision medicine in neurodegenerative diseases. Frontiers in neurology, 9, 701.

Tang, Y., Meng, L., Wan, C. M., Liu, Z. H., Liao, W. H., Yan, X. X., Wang, X. Y., Tang, B. S. & Guo, J. F. (2017) Identificando a presença da doença de Parkinson usando flutuações de baixa frequência em Sinais BOLD. Neurosci. Lett. 645(1), 1-6.

Tecuci, G. (2012) Artificial intelligence. Wiley Periodicals, 4, 168 -180.

Van Assen, M., Lee, S. & De Cecco, C. (2020) Artificial intelligence from A to Z: from neural network to legal framework. European Journal of Radiology, v. 129, 109083.

Vashistha, R., Yadav, D., Chhabra, D. & Shukla, P. (2019) Artificial Intelligence Integration for Neurodegenerative Disorders. Leveraging Biomedical and Healthcare Data, p. 77–89.

Westman, E., Muehlboeck, J. S. & Simmons, A. (2012). Combining MRI and CSF measures for classification of Alzheimer's disease and prediction of mild cognitive impairment conversion. Neuroimage, 62 (1), 229-238.

Xu, J. & Zhang, M. (2019). Use of Magnetic Resonance Imaging and Artificial Intelligence in Studies of Diagnosis of Parkinson’s Disease. ACS Chem. Neurosci. 10 (1), 1658-2667.

Downloads

Publicado

07/09/2021

Como Citar

BRITO, E. N. D.; FIGUEIREDO, B. Q. de .; SOUTO, D. N.; NOGUEIRA, J. F.; MELO, A. L. de C.; SILVA, I. T. da .; OLIVEIRA, I. P.; ALMEIDA, M. G. de . Inteligência Artificial no diagnóstico de doenças neurodegenerativas: uma revisão sistemática de literatura . Research, Society and Development, [S. l.], v. 10, n. 11, p. e482101120004, 2021. DOI: 10.33448/rsd-v10i11.20004. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/20004. Acesso em: 22 nov. 2024.

Edição

v. 10 n. 11

Seção

Ciências da Saúde

Licença

Copyright (c) 2021 Emilayne Nicácio Dias Brito; Bárbara Queiroz de Figueiredo; Diego Nunes Souto; Júlia Fernandes Nogueira; Ana Luísa de Castro Melo; Iorrane Tavares da Silva; Iuri Pimenta Oliveira; Marcelo Gomes de Almeida

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Autores que publicam nesta revista concordam com os seguintes termos:

1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.

2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.

3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.