APLICAÇÃO DE ALGORITMOS DE MACHINE LEARNING NA DETECÇÃO PRECOCE DE BIOMARCADORES VOLUMÉTRICOS POR RESSONÂNCIA MAGNÉTICA ESTRUTURAL NOS ESTÁGIOS INICIAIS DA DOENÇA DE ALZHEIMER

Resumo

Esse artigo buscou avaliar a aplicação de algoritmos de Machine Learning (ML) na detecção precoce de biomarcadores volumétricos por Ressonância Magnética estrutural (RMe) nos estágios iniciais da Doença de Alzheimer (DA). Trata-se de uma revisão da literatura de caráter descritivo e exploratório, baseada na seleção rigorosa de 24 artigos científicos nas bases PubMed/MEDLINE, Scopus e Web of Science, focada na acurácia diagnóstica de modelos preditivos na diferenciação entre indivíduos cognitivamente normais e portadores de Comprometimento Cognitivo Leve (CCL). Os resultados demonstraram a superioridade preditiva de algoritmos supervisionados, notadamente as Máquinas de Vetores de Suporte (SVM) e Random Forest (RF). Evidenciou-se que a quantificação simultânea de múltiplos biomarcadores, especificamente a atrofia do hipocampo associada ao afinamento do córtex entorrinal, proporcionou os maiores índices de acurácia e sensibilidade na classificação prodrômica, superando significativamente as análises anatômicas isoladas. Conclui-se que a automação radiômica via ML mitiga a subjetividade diagnóstica tradicional e otimiza a estratificação de risco precoce. Contudo, aponta-se a necessidade de validação externa em coortes multicêntricas heterogêneas e o desenvolvimento de Inteligência Artificial Explicável para a translação clínica segura.