A doença de Parkinson é uma condição neurodegenerativa que afeta o movimento e a cognição. Os sintomas decorrem da disfunção e perda de neurônios dopaminérgicos ocorrendo dobramento anormal de proteínas chave e anormalidades no processo de eliminação de mitocôndrias disfuncionais. Ocorre que os sintomas apresentados e a evolução da doença variam entre os pacientes devido a diferenças nos mecanismos que impulsionam a doença em cada indivíduo.
Até o momento não há uma maneira de identificar os diferentes subtipos da doença no paciente vivo, mas isso pode estar em processo de mudança a partir de uma parceria entre pesquisadores do Francis Crick Institute e do UCL Queen Square Institute of Neurology e colegas da empresa de tecnologia Faculty AI. A publicação do grupo na Nature Machine Intelligence conta que a união do grupo mostrou que o aprendizado de máquina pode ser utilizado para diferenciar diferentes subtipos da doença de Parkinson.
Essencialmente, os pesquisadores geraram células-tronco a partir de células de pacientes e induziram quimicamente quatro diferentes subtipos da doença de Parkinson, sendo dois envolvendo caminhos que levam ao acúmulo tóxico de uma proteína chamada a-sinucleína e dois envolvendo caminhos que levam à extinção das mitocôndrias. Na sequência, esses quatro modelos de doença foram submetidos a análise microscópica de alta tecnologia para registrar em detalhes diferentes componentes celulares como lisossomos, mitocôndrias e núcleo celular.
A esse acervo de imagens foi aplicado um algoritmo de inteligência artificial com capacidade para processar enorme número de informações de forma a compor um treinamento para a identificação dos diferentes tipos de doença de Parkinson. No estudo, as mitocôndrias e os lisossomos foram as características mais importantes na previsão do subtipo correto, mas outras áreas da célula, como o núcleo, também foram consideradas importantes, bem como outros aspectos das imagens ainda sem explicação.
Segundo os autores, o experimento mostrou que o modelo de IA foi capaz de identificar corretamente os diferentes subtipos da doença, com precisão de até 95% em um dos modelos. Se no futuro for traduzido para a prática clínica, essa nova ferramenta pode ajudar inclusive na seleção de drogas cuja eficácia seja mais provável, criando uma camada de personalização hoje impossível em pacientes com Parkinson.
Quer saber mais?
