Pesquisadores da UCLA desenvolveram recentemente uma nova ferramenta de inteligência artificial capaz de identificar potenciais pacientes com Alzheimer não diagnosticado, utilizando registros eletrônicos de saúde. Esta pesquisa visa abordar o problema de longa data do subdiagnóstico no tratamento do Alzheimer, particularmente em certos grupos. Os resultados foram publicados na revista *npj Digital Medicine*.

O Dr. Timothy Chang, do Departamento de Neurologia da Saúde da UCLA e autor correspondente do estudo, observou: "A doença de Alzheimer é a sexta principal causa de morte nos Estados Unidos, afetando um em cada nove americanos com 65 anos ou mais. A diferença entre o número real de pacientes e o número de diagnosticados é significativa, e essa diferença é ainda mais acentuada em grupos desfavorecidos." Por exemplo, afro-americanos e hispânicos/latinos têm um risco maior de desenvolver a doença, mas suas taxas de diagnóstico são relativamente baixas.

Ao contrário de modelos preditivos anteriores baseados em estruturas tradicionais de aprendizado supervisionado, a equipe da UCLA utilizou um novo método chamado "aprendizado não rotulado de exemplo positivo semissupervisionado". Este modelo incorpora considerações de equidade em seu design para reduzir o viés diagnóstico entre diferentes grupos. A equipe de pesquisa treinou e validou o modelo usando registros eletrônicos de saúde de mais de 97.000 pacientes do sistema de saúde da universidade, incluindo casos diagnosticados e não diagnosticados.

O modelo identifica potenciais pacientes analisando padrões em registros de diagnóstico, idade e outras características clínicas. Os resultados da validação mostraram que a ferramenta alcançou uma sensibilidade de 77% a 81% na identificação de pacientes não diagnosticados em populações de brancos não hispânicos, afro-americanos não hispânicos, hispânicos/latinos e do leste asiático, superior à sensibilidade de 39% a 53% dos modelos tradicionais. Além disso, comparações de dados genéticos revelaram que o modelo previu uma frequência significativamente maior de marcadores genéticos relacionados à doença de Alzheimer em grupos de pacientes de alto risco.

O Dr. Chang afirmou: "Ao garantir previsões consistentes e justas em diferentes populações, nosso modelo pode ajudar a combater o subdiagnóstico da doença de Alzheimer em populações sub-representadas." A identificação precoce torna-se ainda mais crucial à medida que novas terapias e intervenções surgem para retardar a progressão da doença. Esta ferramenta auxilia os médicos na triagem de indivíduos de alto risco para avaliação adicional.

A equipe de pesquisa planeja realizar a validação clínica prospectiva do modelo em um sistema de saúde colaborativo para avaliar sua aplicabilidade geral e utilidade prática antes de considerar sua integração em procedimentos médicos de rotina.