Marcadores de progressão de doenças neurodegenerativas (MARKERS-NDD) (MARKERS-NDD)

Considerando as estimativas actuais e o peso social e económico global das doenças neurodegenerativas, são urgentemente necessárias mudanças na forma e no momento do diagnóstico destas doenças, bem como na oportunidade com que são realizadas intervenções terapêuticas eficazes. A complexidade dos mecanismos moleculares subjacentes à degeneração neuronal e a heterogeneidade da população de pacientes afetados por doenças neurodegenerativas apresentam enormes desafios ao desenvolvimento de ferramentas e sistemas de diagnóstico precoce capazes de prever o curso da doença.

Apesar da investigação intensiva no campo da farmacologia, cirurgia e reabilitação, as doenças neurodegenerativas continuam a ser doenças crónicas progressivas sem uma terapia que possa mudar o curso.

MARKERS-NDD é um estudo prospectivo, observacional e longitudinal, que visa coletar dados de pacientes acometidos por doenças neurodegenerativas (NDD) acompanhados longitudinalmente para exames de rotina realizados como parte da prática clínica normal. Serão analisados ​​dados recolhidos de avaliações clínicas, análises de movimentos, imagens cerebrais, avaliações neuropsicológicas e eletroencefalográficas, exames de química sanguínea para a realização de investigações estatísticas e análises preditivas, recorrendo também a sistemas de inteligência artificial, que permitem a identificação de novos marcadores precoces de diagnóstico e prognóstico de doenças neurodegenerativas.

A análise quantitativa do movimento, com o auxílio de sistemas padrão de captura de movimento (análise de marcha) e com sensores inerciais vestíveis, é uma ferramenta válida tanto para apoiar o diagnóstico clínico quanto para avaliar a resposta ao tratamento farmacológico, e para monitorar a progressão dos NDDs. Nessa perspectiva, a análise cinemática da marcha e do gesto gráfico pode revelar alterações precoces das características motoras para apoiar o diagnóstico diferencial e a estratificação do paciente e permitir acompanhar a progressão da doença ao longo do tempo.

Embora os sintomas motores representem aspectos fundamentais para o diagnóstico diferencial entre síndrome parkinsoniana e demência, alterações das funções cognitivas e, em particular, das funções executivas também podem estar presentes nos estágios iniciais da doença em pacientes com sinucleinopatias como DP e Demência por Corpos de Lewy.

Na doença de Parkinson (DP), esses distúrbios cognitivos podem evoluir ao longo do tempo para um declínio cognitivo leve (comprometimento cognitivo leve, PD-MCI) até demência (demência da doença de Parkinson, PDD).

A identificação de marcadores neuropsicológicos que possam prever a evolução destas doenças e o risco de conversão em pacientes com DP é um aspecto crucial para o tratamento e manejo de pacientes nas diferentes fases da doença.

Na era da inteligência artificial (IA), com a introdução da visão computacional orientada por IA, o movimento humano pode ser rastreado e analisado em tempo real pelo apoio de uma simples câmera de dispositivos móveis, como tablets e smartphones, potencialmente eliminando a necessidade de sensores adicionais ou equipamentos especializados. Portanto, uma abordagem como a telemedicina utilizando IA poderia oferecer novas possibilidades e desafios para o diagnóstico remoto, a telemonitorização e a telerreabilitação em doenças neurológicas, como as doenças neurodegenerativas. A análise de movimentos baseada na visão computacional baseada em IA poderia reduzir o número de movimentos dos pacientes, especialmente nos estágios avançados da doença, muitas vezes caracterizados por incapacidade grave, aliviar a carga dos cuidadores que às vezes são idosos ou envolvidos em atividades de trabalho, e permitir consultas ser realizado em áreas remotas e de difícil acesso.

A comparação e validação destes sistemas com o padrão ouro de análise do movimento representado pela análise da marcha com capturas de movimento e os já validados sistemas de análise com sensores inerciais, constitui uma peça chave no desenvolvimento de ferramentas clínicas que suportam o diagnóstico remoto e telemonitorização de terapias tratamentos farmacológicos e de reabilitação.

Da mesma forma, a aplicação de sistemas de inteligência artificial para a análise cinemática do gesto gráfico permitiu o desenvolvimento de diversos sistemas de reconhecimento de padrões para o reconhecimento automático da escrita em diferentes campos de aplicação.

As características disgráficas foram relacionadas a anormalidades das funções motoras e cognitivas reveladas por testes clínicos e neuropsicológicos, bem como a correlatos neurofisiológicos da atividade cortical relacionada à caligrafia, como o eletroencefalograma (EEG).

Sistema de análise de caligrafia que utiliza sistemas de IA e envolve a execução de testes neuropsicológicos validados, com o auxílio de tablets gráficos comerciais, realizados no âmbito da prática clínica normal - como uma simples consulta ambulatorial ou durante um exame neuropsicológico estrutural como componente de a abordagem multidisciplinar agora comum que caracteriza o manejo de pacientes com NDD - poderia ser particularmente útil no PD-MCI para acompanhar a progressão dos sintomas motores e cognitivos. Como uma medida econômica e não invasiva do desempenho motor e cognitivo, os sistemas gráficos de análise de gestos poderiam ser aplicados repetidamente ao longo do tempo, sem efeitos seriais ou de meta-aprendizagem.

Outro aspecto fundamental no diagnóstico precoce dos TDN é representado pela análise da voz: a produção da voz humana ocorre através de movimentos complexos e sinérgicos de sistemas e subsistemas (cordas vocais, laringe, glote, cavidade oral e mais), que podem ser influenciados pelas condições de saúde do locutor. Em particular, entre as doenças neurodegenerativas, a DP e o parkinsonismo envolvem alterações dramáticas, objetivas e mensuráveis ​​na produção vocal, que podem incluir (entre outras) aumento dos níveis de ruído (devido ao fechamento incompleto das pregas vocais) e perda da voz (disartrofonia, disartria e hipofonia). Embora a avaliação do distúrbio de fala possa realmente ser realizada por meio de laringoscópio e instrumentos videoestroboscópicos, estes são exames muito caros, exigindo muito tempo e pessoal qualificado. Sistemas de inteligência artificial baseados em voz que fazem uso de sistemas comerciais (dispositivos móveis equipados com microfones com robustez sonora) poderiam permitir a análise da voz com algoritmos de inteligência artificial, para diagnosticar a doença em seus estágios iniciais.

Uma análise a longo prazo de parâmetros químicos laboratoriais comuns da química do sangue e a análise de diferentes amostras biológicas, tais como amostras fecais para análise da microbiota, realizadas como verificações de rotina por pacientes com doenças crónicas, como NDDs, poderiam permitir a identificação de associações e marcadores precoces úteis no diagnóstico e monitoramento da progressão da doença.

Ao mesmo tempo, a introdução de sistemas de imagem cerebral cada vez mais poderosos e precisos, apoiados em sistemas de aprendizagem automática e técnicas de inteligência artificial, para obter um diagnóstico etiológico cada vez mais preciso.

Relevante é que cada doença neurodegenerativa favorece uma rede cerebral específica que, por sua vez, está associada a uma perda específica de tecido em regiões cerebrais específicas. Portanto, existe a possibilidade de identificar novos marcadores de neuroimagem por meio de sistemas de aprendizado de máquina para orientar o diagnóstico diferencial e avaliar com precisão o curso da doença.

Em conclusão, a abordagem adotada pelo estudo MARKERS-NDD é fundamental para aumentar o potencial de sucesso de uma estratégia ambiciosa que visa desenvolver marcadores de progressão de doenças neurodegenerativas que acelerem a procura de terapia modificadora da doença.