USO DE ALGORITMOS PARA DIAGNÓSTICO PRECOCE DE ALZHEIMER, PARKINSON E ESCLEROSE MÚLTIPLA

Resumo

A aplicação de algoritmos de inteligência artificial (IA) no diagnóstico precoce de doenças neurodegenerativas, como Alzheimer, Parkinson e esclerose múltipla, apresenta avanços significativos. Esta revisão integrativa analisou 22 estudos publicados entre 2013 e 2023, utilizando bases como PubMed, IEEE Xplore e Scopus. Os resultados destacam o uso de Redes Neurais Convolucionais (CNNs) em neuroimagens, como ressonância magnética e PET scans, com acurácia superior a 90% no diagnóstico de Alzheimer. Abordagens multimodais que integram dados clínicos e genéticos demonstraram eficácia crescente. Para Parkinson, algoritmos que analisam sinais vocais e tremores apresentam sensibilidade entre 85% e 92%, enquanto ferramentas de aprendizado profundo permitem a detecção de alterações motoras mínimas. No caso da esclerose múltipla, modelos que combinam imagens de ressonância magnética e perfis imunológicos mostram alta precisão na detecção precoce de lesões cerebrais. Apesar dos avanços, desafios persistem, incluindo a padronização dos bancos de dados, a validação em larga escala e a interpretação dos resultados por profissionais de saúde. As limitações deste estudo incluem a falta de uniformidade metodológica nos artigos analisados e a escassez de dados provenientes de estudos clínicos amplos. Propõe-se que pesquisas futuras invistam na integração de diferentes fontes de dados, ampliação de amostras populacionais e desenvolvimento de algoritmos mais transparentes, facilitando sua adoção clínica. Conclui-se que a IA tem grande potencial para transformar o diagnóstico precoce, permitindo intervenções mais eficazes e personalizadas, mas exige refinamento para consolidar sua aplicabilidade prática.