Teste Digital para Detecção Precoce do Alzheimer

Os testes cognitivos digitais estão sendo cada vez mais usados para verificar pacientes que podem estar em risco de desenvolver a Doença de Alzheimer (DA). Esse tipo de teste ajuda a encontrar pessoas que podem ter sinais iniciais da doença, recrutando-as para ensaios clínicos e permitindo que as avaliações de acompanhamento sejam feitas à distância. Alguns testes conseguem perceber pequenas mudanças nas habilidades cognitivas que as avaliações clínicas normais podem deixar passar. Essa capacidade é crucial para identificar problemas nas fases iniciais da Alzheimer, quando os sintomas não são muito claros.

Um tipo comum de teste foca na Memória Visual de Curto Prazo (MCP), e muitos desses foram adaptados para uso digital. Existem principalmente dois tipos de tarefas usadas nesses testes. A primeira é uma tarefa de detecção de mudança. Nessa tarefa, os participantes decidem se algo mudou em uma exibição que mostra diferentes números de itens. A resposta é dada como correta ou incorreta. O segundo tipo é uma tarefa de reprodução atrasada. Nessa tarefa, os participantes devem lembrar características específicas de um item que eles se lembram, como onde estava localizado ou qual era a cor. Isso permite que os pesquisadores meçam não apenas quantos itens uma pessoa consegue lembrar, mas também quão precisamente ela consegue recordar os detalhes sobre esses itens.

Para analisar como a memória visual de curto prazo funciona, os pesquisadores usam um modelo chamado Modelagem de Mistura. Esse modelo analisa quatro aspectos principais: quão provável é que um participante identifique corretamente um item alvo, se eles colocam um item no local errado (isso é chamado de "misbinding"), palpites aleatórios sobre características dos itens e quão precisa é a memória deles. Estudos anteriores mostraram que pessoas que estão em risco genético para Alzheimer familiar, especialmente aquelas com a mutação Presenilin-1, tendem a colocar itens no lugar errado com mais frequência, e essa "misbinding" está relacionada a mudanças no Hipocampo, uma área do cérebro importante para a memória.

Recentemente, estudos também mostraram que pacientes com a Doença de Alzheimer esporádica de início tardio também têm taxas de "misbinding" mais altas. No entanto, ainda não está claro se isso se relaciona a quão intacto o hipocampo está. A "misbinding" parece ocorrer em várias condições que afetam o hipocampo, como encefalite limítrofe autoimune, cirurgia cerebral para epilepsia e infecções. No entanto, a maioria dessas condições é rara, e há poucos dados sobre formas mais comuns de doenças neurodegenerativas, como a Doença de Alzheimer de início tardio.

Outra lacuna na pesquisa atual é a gama limitada de resultados digitais que os pesquisadores examinaram. A maioria dos estudos focou apenas nas taxas de "misbinding", que é apenas uma medida entre muitas que podem ser obtidas a partir de tarefas digitais de reprodução atrasada. É importante explorar uma gama mais ampla de métricas porque algumas funções cognitivas podem ser especificamente prejudicadas pela doença, enquanto outras permanecem intactas. Por exemplo, pacientes com certos tipos de danos cerebrais podem mostrar mais "misbinding", mas não palpites, enquanto aqueles com Doença de Parkinson podem adivinhar mais sem mostrar aumento na "misbinding".

Falta também dados longitudinais que rastreiem mudanças nas métricas digitais ao longo do tempo para pacientes em risco de desenvolver Alzheimer. Até agora, apenas um estudo seguiu um pequeno grupo de pessoas com Alzheimer familiar ao longo do tempo e constatou que o desempenho na tarefa digital caiu em portadores sintomáticos, enquanto os erros na localização de itens aumentaram naqueles que eram pré-sintomáticos à medida que se aproximavam de seu início estimado de demência.

Isso nos leva a um novo estudo envolvendo um grupo maior de indivíduos ao longo do espectro da Doença de Alzheimer, incluindo aqueles com Comprometimento Cognitivo subjetivo (PCS), comprometimento cognitivo leve (CCL) e demência de Alzheimer diagnosticada. O objetivo era ver se os déficits nas métricas digitais poderiam ser identificados antes de um diagnóstico formal de Alzheimer e se essas métricas poderiam ajudar a diferenciar entre vários grupos clínicos e indivíduos idosos saudáveis. Foram realizados testes transversais e uma avaliação de acompanhamento com um subconjunto menor de participantes.

Um total de 325 indivíduos participaram do estudo, incluindo 49 com PCS, 57 com CCL, 63 pacientes diagnosticados com demência de Alzheimer e 156 controles idosos saudáveis. Os pesquisadores recrutaram esses pacientes em clínicas de distúrbios de memória no Reino Unido e na Alemanha. Os participantes passaram por uma série de avaliações, incluindo imagem cerebral, para excluir aqueles com problemas estruturais evidentes que não corresponderiam ao diagnóstico clínico deles.

Um subgrupo de 60 participantes da coorte do Reino Unido também participou de uma avaliação de acompanhamento um ano depois. Desses, 21 eram idosos saudáveis, 15 tinham PCS, 12 tinham CCL e 12 foram diagnosticados com demência de Alzheimer. O número reduzido nesse subgrupo aconteceu porque o estudo foi interrompido devido a restrições da COVID-19, mas eles também desenvolveram uma versão totalmente online da tarefa de teste.

Os participantes completaram uma tarefa digital chamada "O que estava onde?" Oxford Memory Task, junto com outros testes cognitivos. Durante essa tarefa, os participantes viam itens em uma tela e depois eram solicitados a identificá-los mais tarde, focando tanto no item quanto em sua localização. Os pesquisadores mediram várias métricas de desempenho, como quão precisamente os participantes identificaram os itens, o erro na localização e quanto tempo levaram para responder.

Essa tarefa permitiu que os pesquisadores coletassem diferentes indicadores de memória operacional. Por exemplo, eles observaram quantas vezes os participantes identificaram corretamente os itens, a distância de suas respostas em relação às localizações originais e quão rapidamente responderam. Eles também usaram a abordagem do Modelo de Mistura para analisar diferentes tipos de erros de memória.

Nas avaliações de acompanhamento, todos os sujeitos repetiram a Oxford Memory Task e outros testes cognitivos. Os pesquisadores queriam descobrir se alguma mudança nessas métricas digitais poderia prever o declínio cognitivo ao longo do ano.

Imagens cerebrais foram feitas para analisar a estrutura dos cérebros dos sujeitos. Os pesquisadores mediram o tamanho do hipocampo para ver como se relacionava com o desempenho cognitivo dos participantes. Eles fizeram isso usando técnicas de imagem avançadas e comparando esses resultados com o desempenho dos sujeitos em testes cognitivos.

Para analisar os resultados, os pesquisadores usaram ferramentas estatísticas para identificar diferenças entre grupos e avaliar quão bem as métricas digitais se comparavam a testes cognitivos padrão, como o Addenbrooke's Cognitive Examination (ACE). Eles também observaram como as mudanças no desempenho cognitivo ao longo do tempo poderiam correlacionar com mudanças no volume do hipocampo.

Os pesquisadores descobriram que todas as métricas digitais foram bem-sucedidas em distinguir entre grupos. Eles conseguiram diferenciar entre os controles idosos saudáveis e os pacientes com Alzheimer, além de distinguir entre PCS e CCL. No entanto, nenhuma das métricas conseguiu separar indivíduos idosos saudáveis daqueles com PCS, destacando que aqueles com PCS geralmente se saem dentro da faixa normal, apesar de suas queixas.

Em pacientes com CCL, as métricas digitais revelaram diferenças significativas no desempenho em comparação com controles saudáveis. O grupo de CCL teve um desempenho pior em várias métricas, mostrando menor precisão na identificação de itens e taxas de erro mais altas na localização. As métricas de desempenho foram capazes de distinguir entre pacientes com CCL e aqueles com demência de Alzheimer, com a "misbinding" sendo significativamente mais alta naqueles com demência.

Entre os diversos grupos, o desempenho de memória diminuiu significativamente com o aumento do número de itens a serem memorizados. Esse efeito foi substancial em todas as métricas, mostrando como mais itens dificultam para os participantes lembrar detalhes com precisão. No entanto, o tempo de atraso antes de recordar os itens teve um efeito menor.

A análise longitudinal mostrou que as métricas revelaram tendências diferentes ao longo do tempo. Algumas métricas foram estáveis, enquanto outras acompanharam de perto a queda no desempenho cognitivo medida por testes padrão. Em particular, a imprecisão da memória foi eficaz em prever o declínio cognitivo ao longo do ano, superando tanto as pontuações iniciais do ACE quanto os volumes do hipocampo.

Em termos de estrutura cerebral, os pesquisadores descobriram que várias métricas digitais podiam prever o tamanho do hipocampo. Nas comparações, a precisão na identificação se mostrou o melhor preditor do volume do hipocampo, mostrando uma forte correlação que era comparável a testes padrão.

Para ver como as métricas digitais podiam classificar os participantes em diferentes grupos diagnósticos, os pesquisadores aplicaram um classificador de vetor de suporte linear, analisando quão bem o modelo poderia prever a classificação do grupo. O modelo que incluía métricas digitais teve uma taxa de sucesso razoável, embora o modelo que usou testes cognitivos padrão tenha se saído melhor no geral, especialmente em distinguir entre estágios mais avançados de Alzheimer.

No geral, o estudo ilustra que testes digitais de memória visual podem identificar eficazmente sinais precoces de comprometimento cognitivo. Esses testes podem acompanhar a progressão da doença e fornecer insights valiosos sobre o declínio das funções cognitivas. As métricas digitais são úteis na classificação de diferentes estágios de declínio cognitivo, especialmente ao distinguir entre problemas de estágio inicial como PCS e CCL. No entanto, à medida que a doença progride para a demência de Alzheimer, testes cognitivos tradicionais como o ACE ainda podem oferecer uma diferenciação mais precisa.

As descobertas sugerem que os testes digitais podem complementar as avaliações clínicas existentes, especialmente porque podem ser administrados à distância e não requerem muitos recursos. No entanto, o estudo tem limitações, incluindo o pequeno tamanho do conjunto de dados longitudinais e a necessidade de validação mais ampla com coortes confirmadas por biomarcadores em pesquisas futuras.

Em conclusão, os testes cognitivos digitais têm um grande potencial como ferramenta para detecção precoce da Doença de Alzheimer e podem permitir um monitoramento mais eficiente das mudanças cognitivas ao longo do tempo. Este estudo fornece insights importantes sobre como esses testes podem contribuir para entender e gerenciar comprometimentos cognitivos associados à Alzheimer.