Medicina Personalizada na Identificação de Comprometimento Cognitivo Pré-clínico. Desenvolvimento de um modelo preditivo de risco (DENDRITE)

O “Plano Abrangente para Alzheimer e outras Demências” mostra que mais de 50% dos casos de comprometimento cognitivo (IC) em estudos populacionais não são detectados. O número é particularmente impressionante no caso de demências leves, das quais até 90% não são diagnosticadas. O objetivo é utilizar o poder combinado da integração de dados clínicos, moleculares, proteômicos, genômicos, assistenciais, sociais, ambientais e comportamentais em pacientes, utilizando técnicas avançadas de inteligência artificial para processamento e análise de dados, a fim de gerar modelos preditivos para o detecção pré-clínica de IC na população de 55 a 70 anos.

Estudo observacional multicêntrico, não intervencionista, convergente de métodos mistos, com uma parte de desenho observacional prospectivo e uma parte de desenho qualitativo. Amostra recrutada aleatoriamente entre usuários do sistema público de saúde nas localidades geográficas participantes. Os dados serão recolhidos em 6 regiões (Andaluzia, Castela-Mancha, Catalunha, Valência, Madrid e País Basco) e nas suas redes rurais e urbanas de Cuidados Primários (AB).

Sujeitos não institucionalizados, com idade entre 55 e 70 anos, lotados em centros de CP nos territórios incluídos no estudo, com “história de vida” (registrada nos últimos 12 meses) e sem diagnóstico estabelecido de IC.

Será realizada análise descritiva das características da população por meio de frequências e porcentagens ou medidas de tendência central e dispersão, com seus intervalos de confiança de 95%. As características sociodemográficas e clínicas iniciais serão comparadas para estudar a homogeneidade da amostra. Para a comparação das variáveis ​​qualitativas será utilizado o teste Qui-quadrado ou teste exato de Fisher e para a comparação das variáveis ​​quantitativas será utilizado o teste t ou teste de Wilcoxon. Modelos de regressão logística são propostos para analisar fatores de resultados de saúde associados ao comprometimento cognitivo leve. Todos os modelos incluirão medidas repetidas para cada indivíduo. Todos os modelos serão ajustados para diferentes fatores de risco e, para aqueles fatores que podem mudar ao longo do tempo, será estudada a interação entre o tempo e esse fator.

Inicialmente, serão utilizados modelos latentes lineares multivariados para o modelo preditivo de risco de comprometimento cognitivo. A integração de dados provenientes de múltiplas fontes de informação será feita através de modelos probabilísticos multivariados, de forma a encontrar uma representação do paciente num espaço de características influenciado por todas as fontes de dados (visitas).

Ferramentas web como o Ingenuity Pathway Analysis permitirão a integração de dados em diferentes níveis moleculares (genéticos, proteicos e autoanticorpos), enquanto ferramentas de inteligência artificial permitirão a integração desses dados, dados derivados de sensores eletroquímicos e dados relacionados a dados clínicos e comportamentais com comprometimento cognitivo, a fim de obter um modelo preditivo de comprometimento cognitivo, neurodegeneração e DA.