Simple Science

Ciência de ponta explicada de forma simples

# Ciências da saúde# Psichiatria e psicologia clinica

Identificando Sinais Iniciais da Doença de Alzheimer

Pesquisas descobrem principais preditores do Alzheimer através do declínio cognitivo e fatores psicológicos.

― 6 min ler


Fatores de Risco doFatores de Risco doAlzheimer Descobertosda doença de Alzheimer.Novo estudo revela preditores cruciais
Índice

A doença de Alzheimer é uma condição séria que afeta a forma como as pessoas pensam, lembram e raciocinam. Muitas vezes, antes de alguém desenvolver Alzheimer, a pessoa pode mostrar sinais de declínio cognitivo. Duas condições comuns que podem ocorrer antes do Alzheimer são o Declínio Cognitivo Subjetivo e o Comprometimento Cognitivo Leve.

Declínio Cognitivo Subjetivo e Comprometimento Cognitivo Leve

O declínio cognitivo subjetivo (DCS) é quando a pessoa sente que sua memória ou pensamento está piorando, mas os testes mostram que ainda tá tudo na faixa normal. Já o comprometimento cognitivo leve (CCL) é mais sério; exige mudanças mensuráveis nas habilidades cognitivas que podem ser detectadas em testes. Tanto o DCS quanto o CCL são importantes porque podem aumentar o risco de desenvolver a doença de Alzheimer.

A Importância da Intervenção Precoce

Pra achar tratamentos eficazes pra Alzheimer, é crucial identificar a doença cedo. Isso significa reconhecer os sinais de DCS e CCL, o que pode ajudar os médicos a intervir mais rápido e, possivelmente, desacelerar a progressão da doença.

Biomarcadores para a Doença de Alzheimer

Os pesquisadores estão buscando maneiras de identificar o Alzheimer através de marcadores biológicos específicos conhecidos como biomarcadores. Alguns biomarcadores conhecidos incluem níveis alterados de beta-amilóide, tau total e tau fosforilada no líquido cerebrospinal. Mas colher essas amostras exige uma punção lombar, que é um procedimento invasivo. Por conta disso, os cientistas estão explorando métodos menos invasivos pra detectar Alzheimer e seus fatores de risco.

O Papel da Personalidade e Fatores Psicológicos

Estudos recentes mostraram que traços de personalidade e condições psicológicas também podem influenciar o risco de Alzheimer. Por exemplo, pessoas com comprometimento cognitivo leve ou Alzheimer tendem a mostrar níveis mais altos de neuroticismo e níveis mais baixos de traços como agradabilidade e extroversão em comparação com indivíduos saudáveis.

Ansiedade e depressão são duas condições psicológicas que costumam estar ligadas ao declínio cognitivo. Pessoas que experienciam DCS e CCL frequentemente relatam níveis mais altos de ansiedade e depressão. Na verdade, esses estados emocionais podem até agir como sinais de alerta para o Alzheimer. Alguns estudos sugerem que tratar a ansiedade e a depressão poderia reduzir o risco de progressão de CCL para Alzheimer.

Como a Atividade Cerebral é Medida

Pra entender a função cerebral relacionada ao Alzheimer, os cientistas analisam a atividade cerebral usando uma técnica chamada fMRI em estado de repouso. Esse método pode medir flutuações na atividade cerebral, especialmente em uma área chamada rede de modo padrão (RMP), que acredita-se ser fundamental pra formação de memória. Mudanças nessa rede podem oferecer insights importantes sobre o Alzheimer e suas fases iniciais.

O Gene ApoE e o Risco de Alzheimer

O gene apolipoproteína E (ApoE) é conhecido por contribuir para o risco de Alzheimer. Especificamente, uma certa forma desse gene, conhecida como alelo ε4, aumenta a probabilidade de desenvolver Alzheimer. O risco é determinado por quantas cópias do alelo ε4 a pessoa tem. Esse fator genético é considerado junto com outros preditores ao avaliar o risco de Alzheimer de um indivíduo.

Detalhes da Pesquisa e Grupos de Participantes

Em uma pesquisa recente, os cientistas estudaram um grande grupo de participantes pra ver como diferentes fatores podem prever o risco de Alzheimer. Os participantes foram divididos em quatro grupos: controles saudáveis, aqueles com declínio cognitivo subjetivo, aqueles com comprometimento cognitivo leve e aqueles com Alzheimer leve. Todos os participantes tinham 60 anos ou mais.

Os controles saudáveis eram indivíduos que relataram se sentir cognitivamente saudáveis e se saíram bem em testes de memória. Pessoas com declínio cognitivo subjetivo expressaram preocupações sobre a memória, mas ainda pontuaram dentro da faixa normal. Aqueles com comprometimento cognitivo leve mostraram questões de memória mais significativas que eram detectáveis através de testes, enquanto os participantes com Alzheimer leve apresentaram comprometimento cognitivo visível.

Coleta de Dados e Métodos de Teste

Os participantes foram recrutados em clínicas de memória locais e através de anúncios públicos. Eles passaram por várias avaliações, incluindo testes psicológicos para depressão e ansiedade, além de questionários de personalidade. Além disso, foram feitas ressonâncias magnéticas pra coletar dados sobre a atividade cerebral.

Avaliando Os Preditores de Alzheimer

Os pesquisadores combinaram diferentes preditores, como traços de personalidade, pontuações psicológicas, atividade cerebral, fatores genéticos e biomarcadores do líquido cerebrospinal, em conjuntos de características. Esses conjuntos foram então analisados usando técnicas de aprendizado de máquina pra ver qual combinação poderia prever melhor se uma pessoa pertencia a um dos quatro grupos.

Principais Descobertas do Estudo

O estudo descobriu que os traços de personalidade combinados com as pontuações de ansiedade e depressão mostraram a maior precisão preditiva pra classificar indivíduos saudáveis. Porém, as previsões mais precisas pra participantes com Alzheimer leve se basearam nos biomarcadores do líquido cerebrospinal.

Também foi notado que a atividade cerebral em estado de repouso não teve um desempenho tão bom nos modelos preditivos. Isso sugere que, enquanto a atividade cerebral é importante, outros fatores como personalidade e estados psicológicos podem oferecer melhor compreensão dos riscos de Alzheimer.

Desafios na Classificação de Condições Cognitivas

Um dos maiores desafios ao diagnosticar condições como o declínio cognitivo subjetivo e o comprometimento cognitivo leve é que podem ser causados por vários fatores. Nem toda pessoa que apresenta esses sintomas tem Alzheimer precoce, o que torna a classificação precisa difícil.

Limitações do Estudo

A pesquisa teve algumas limitações. Por exemplo, alguns participantes não tiveram biomarcadores do líquido cerebrospinal testados, significando que nem todos os dados puderam ser usados para análise. Além disso, o Alzheimer precoce pode levar a uma falta de consciência sobre problemas de memória, o que pode distorcer os resultados dos questionários auto-relatados.

Conclusão

No geral, essa pesquisa enfatiza que nenhum método único ou combinação de características é consistentemente eficaz em prever a doença de Alzheimer em todos os grupos. Em vez disso, aponta pra importância de usar uma mistura de traços de personalidade, pontuações psicológicas e biomarcadores biológicos pra melhorar nossa compreensão e detecção do Alzheimer e seus sinais iniciais.

Continuar explorando essas relações e coletando mais dados será fundamental pra desenvolver melhores ferramentas de triagem e intervenções pra indivíduos em risco. Estudos futuros devem se concentrar em refinar esses métodos e abordar os desafios na classificação de déficits cognitivos de forma eficaz.

Fonte original

Título: Machine learning-based classification of Alzheimer's disease and its at-risk states using personality traits, anxiety, and depression

Resumo: BackgroundAlzheimers disease (AD) is often preceded by stages of cognitive impairment, namely subjective cognitive decline (SCD) and mild cognitive impairment (MCI). While cerebrospinal fluid (CSF) biomarkers are established predictors of AD, other non-invasive candidate predictors include personality traits, anxiety, and depression, among others. These predictors offer non-invasive assessment and exhibit changes during AD development and preclinical stages. MethodsIn a cross-sectional design, we comparatively evaluated the predictive value of personality traits (Big Five), geriatric anxiety and depression scores, resting-state functional magnetic resonance imaging activity of the default mode network, apoliprotein E (ApoE) genotype, and CSF biomarkers (tTau, pTau181, A{beta}42/40 ratio) in a multi-class support vector machine classification. Participants included 189 healthy controls (HC), 338 individuals with SCD, 132 with amnestic MCI, and 74 with mild AD from the multicenter DZNE-Longitudinal Cognitive Impairment and Dementia Study (DELCODE). ResultsMean predictive accuracy across all participant groups was highest when utilizing a combination of personality, depression, and anxiety scores. HC were best predicted by a feature set comprised of depression and anxiety scores and participants with AD were best predicted by a feature set containing CSF biomarkers. Classification of participants with SCD or aMCI was near chance level for all assessed feature sets. ConclusionOur results demonstrate predictive value of personality trait and state scores for AD. Importantly, CSF biomarkers, personality, depression, anxiety, and ApoE genotype show complementary value for classification of AD and its at-risk stages. Key Points- Multi-class support vector machine classification was used to compare the predictive value of well-established and non-invasive, easy-to-assess candidate variables for classifying participants with healthy cognition, subjective cognitive decline, amnestic mild cognitive impairment, and mild Alzheimers disease. - Personality traits, geriatric anxiety and depression scores, resting-state functional magnetic resonance imaging activity of the default mode network, ApoE genotype, and CSF biomarkers were comparatively evaluated. - A combination of personality, anxiety, and depression scores provided the highest predictive accuracy, comparable to CSF biomarkers, indicating complementary value. - Established and candidate predictors had limited success in classifying SCD and aMCI, underscoring the heterogeneity of these cognitive states and emphasizing the need for standardizing terminology and diagnostic criteria.

Autores: Jasmin M. Kizilirmak, K. Waschkies, J. Soch, M. Darna, A. Richter, S. Altenstein, A. Beyle, F. Brosseron, F. Buchholz, M. Butryn, L. Dobisch, M. Ewers, K. Fliessbach, T. Gabelin, W. Glanz, D. Goerss, D. Gref, D. Janowitz, I. Kilimann, A. Lohse, M. H. Munk, B.-S. Rauchmann, A. Rostamzadeh, N. Roy, E. J. Spruth, P. Dechent, M. T. Heneka, S. Hetzer, A. Ramirez, K. Scheffler, K. Buerger, C. Laske, R. Perneczky, O. Peters, J. Priller, A. Schneider, A. Spottke, S. Teipel, E. Düzel, F. Jessen, J. Wiltfang, B. H. Schott

Última atualização: 2023-08-31 00:00:00

Idioma: English

Fonte URL: https://www.medrxiv.org/content/10.1101/2022.11.30.22282930

Fonte PDF: https://www.medrxiv.org/content/10.1101/2022.11.30.22282930.full.pdf

Licença: https://creativecommons.org/licenses/by/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao medrxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes