IA para prever PET amiloide: quais variáveis realmente pesaram

A pergunta: dados mais acessíveis podem antecipar a PET amiloide?

A PET amiloide é um exame de imagem que ajuda a identificar depósitos cerebrais de beta-amiloide. Esses depósitos estão associados à biologia da doença de Alzheimer, mas um exame positivo, isoladamente, não é sinônimo de diagnóstico clínico de Alzheimer nem explica por si só uma queixa de memória. A PET é útil, porém cara, dependente de infraestrutura especializada e pouco disponível em vários contextos.

O estudo avaliou se um modelo de aprendizado de máquina poderia prever se a leitura visual de uma PET seria positiva ou negativa usando dados de várias fontes: informações clínicas e demográficas, testes cognitivos, genótipo APOE, biomarcadores no plasma e medidas estruturais de ressonância magnética, ou MRI. A referência para ensinar e avaliar o modelo foi a interpretação visual da PET por leitores treinados.

Isso delimita o alcance do trabalho. A IA foi treinada para reproduzir uma classificação binária de PET — positiva ou negativa —, e não para diagnosticar demência, estabelecer a causa dos sintomas, estimar a velocidade de progressão ou prever conversão futura para Alzheimer clínico. Os autores também discutem medidas Centiloid, que expressam a carga amiloide em uma escala contínua, mas elas não foram o desfecho principal porque não estavam disponíveis uniformemente para toda a coorte.

As coortes: 1Florida ADRC para desenvolvimento e ADNI4 para teste

A coorte de desenvolvimento foi a do 1Florida Alzheimer’s Disease Research Center, ou 1Florida ADRC. Após restringir a análise a visitas com resultado de PET e dados de entrada completos, restaram 170 participantes. Havia pessoas cognitivamente normais, com declínio cognitivo subjetivo, comprometimento cognitivo leve precoce ou tardio, demência e um grupo com déficits sutis que não preenchiam critérios formais para declínio cognitivo subjetivo ou comprometimento cognitivo leve.

Essa variedade de estágios cognitivos permite investigar o modelo em um espectro clínico amplo. Ao mesmo tempo, não significa que a amostra represente a população geral ou pacientes vistos pela primeira vez na atenção primária. Pessoas recrutadas em um centro especializado podem diferir de outros grupos quanto a sintomas, risco biológico e acesso a exames.

A validação externa incluiu 129 participantes do ADNI4, a quarta fase da Alzheimer’s Disease Neuroimaging Initiative. Essa coorte diferia substancialmente da amostra da Flórida: 66,7% eram cognitivamente normais, contra 32,4% no conjunto de desenvolvimento. Também havia diferenças na distribuição de PET positiva e negativa, na composição de ancestralidade e etnia e nas plataformas usadas para medir biomarcadores sanguíneos.

Essas diferenças são fundamentais. Um modelo pode ter bom resultado onde foi desenvolvido e falhar parcialmente quando encontra pessoas com outro perfil clínico ou dados laboratoriais obtidos em equipamentos diferentes. Essa perda de desempenho entre populações é chamada de mudança de distribuição, ou dataset shift.

Features e variáveis de entrada: o que foi oferecido à IA

O estudo combinou modalidades clínicas, demográficas, cognitivas, genéticas, plasmáticas e estruturais de MRI. O artigo não fornece, no texto disponibilizado, uma lista integral de todas as colunas candidatas, sua quantidade total ou o número de medidas por domínio. Portanto, não é possível dizer quantas features de MRI, cognição ou demografia entraram originalmente. A seguir estão as variáveis explicitamente descritas.

Demografia e dados clínicos. Idade, sexo e escolaridade estavam disponíveis. O diagnóstico ou estágio cognitivo também compunha a caracterização clínica da coorte. No ADNI4, idade, sexo, escolaridade, APOE4S, CDRSUM e MMSE foram mencionados como preditores usados para imputar dados ausentes. O texto não esclarece se todas essas variáveis foram entregues ao classificador vencedor, como foram codificadas ou se idade e escolaridade foram selecionadas em alguma dobra.

Cognição e função. O Mini-Exame do Estado Mental, MMSE, foi a medida cognitiva explicitamente destacada entre as mais influentes. Ele resume aspectos do desempenho cognitivo global e não mede diretamente a presença de amiloide. O CDRSUM, uma soma de escores da Clinical Dementia Rating, aparece no procedimento de imputação da coorte ADNI4. O artigo não especifica quais outros testes cognitivos ou escalas funcionais estavam disponíveis, nem informa se CDRSUM foi selecionado no modelo final.

Genética. O status APOE ε4, chamado também de APOE4S, foi incluído. APOE ε4 apareceu entre os preditores de maior contribuição nas explicações do modelo. O texto não informa se a variável foi codificada como presença ou ausência de ε4, número de alelos ou outro formato. Sua contribuição não deve ser interpretada como determinismo: ela ajudou o algoritmo em combinação com as outras informações.

Biomarcadores plasmáticos. Este foi o domínio central. Foram medidos Aβ42, Aβ40, p-tau181, p-tau217, GFAP e NfL. No 1Florida ADRC, Aβ42, Aβ40 e p-tau181 foram quantificados pelo ensaio Simoa Human Neurology 3-Plex A; GFAP e NfL, pelo Simoa Human Neurology 2-Plex B; e p-tau217, pelo ensaio ALZpath. No ADNI4, Aβ42, Aβ40 e p-tau217 foram dosados por imunoensaios automatizados Fujirebio Lumipulse, enquanto GFAP e NfL foram medidos com Simoa.

Além dos valores individuais, os autores criaram duas features derivadas: as razões Aβ42/Aβ40 e p-tau217/Aβ42. Uma razão usa a divisão entre duas concentrações e pode representar um padrão relativo entre marcadores, em vez de somente seus valores separados. A razão p-tau217/Aβ42 foi a variável de maior influência no modelo. O artigo não relata transformações adicionais — por exemplo, logaritmos — antes do cálculo dessas razões.

MRI estrutural. Foram incluídos volumes regionais e medidas de espessura cortical obtidas com FreeSurfer. Nos exemplos de explicação individual, o texto menciona medidas do hipocampo e de regiões temporais. Os volumes foram normalizados pelo volume intracraniano total estimado, eTIV, para reduzir diferenças decorrentes do tamanho da cabeça. Em seguida, o próprio eTIV foi removido do modelo. Não são apresentados os nomes de todas as regiões, suas unidades, a quantidade de volumes e espessuras corticais nem detalhes adicionais do controle de qualidade das imagens.

Em resumo, o sistema recebeu dados que capturam dimensões distintas: idade e contexto clínico, desempenho cognitivo, risco genético, proteínas no sangue e anatomia cerebral. A presença dessas modalidades não implica que cada uma tenha contribuído na mesma proporção.

Pré-processamento, seleção e proteção contra “vazamento” de informação

Como controle de qualidade, biomarcadores sanguíneos com coeficiente de variação superior a 0,2 foram excluídos. Depois desse filtro, foram calculadas as razões Aβ42/Aβ40 e p-tau217/Aβ42. O artigo não detalha quais marcadores foram removidos por esse critério, nem informa procedimentos como transformação logarítmica, tratamento de valores extremos ou harmonização laboratorial antes da modelagem.

Os autores compararam regressão logística, random forest, XGBoost, CatBoost e k-nearest neighbors. Cada pipeline continha padronização, uma etapa opcional de seleção de features e um classificador. A padronização era ajustada apenas nos dados de treinamento de cada dobra da validação cruzada. Essa decisão reduz o risco de leakage: se a média e o desvio-padrão fossem calculados usando toda a amostra, os dados reservados para teste ajudariam indiretamente a preparar o modelo.

Também foram comparadas seleção por informação mútua, teste F, eliminação recursiva de features, RFE, e seleção baseada em random forest. Em RFE, variáveis consideradas menos úteis são removidas sucessivamente até atingir uma quantidade definida. Na seleção baseada em random forest, as importâncias calculadas no treinamento definem o subconjunto a ser repassado ao classificador. Em todos os casos, a seleção foi refeita dentro de cada dobra, usando somente sua parcela de treinamento.

O melhor pipeline foi XGBoost com seleção por informação mútua e retenção de 10% das features candidatas. O artigo mostra os 27 principais recursos em um gráfico SHAP dessa configuração, mas não declara de modo inequívoco o total inicial de features ou quantas permaneceram em todas as dobras. Como a seleção era repetida, o subconjunto podia variar. Os autores registraram a frequência com que cada variável foi selecionada como medida de estabilidade, porém não fornecem os valores numéricos dessas frequências no texto apresentado.

Os hiperparâmetros foram ajustados por busca bayesiana com validação cruzada estratificada de cinco dobras, usando recall como objetivo. Priorizar recall significa valorizar a identificação de PETs positivas e buscar reduzir falsos negativos; isso não garante, por si, a melhor precisão ou o menor número de falsos positivos.

Resultados: biomarcadores de sangue dominaram o ranking

Na validação interna do 1Florida ADRC, o melhor pipeline teve recall médio de 0,84. A AUC média foi 0,891, com desvio-padrão de 0,048 nas cinco dobras. A AUC resume a capacidade de diferenciar, por escore, casos positivos de negativos: 0,5 equivale aproximadamente ao acaso, enquanto 1,0 representa separação perfeita. Os escores F1 variaram de 0,667 a 0,857 entre as dobras, sinal de desempenho bom, mas imperfeito e variável conforme a divisão da amostra.

Para entender as decisões, os pesquisadores usaram SHAP. Esse método estima a contribuição de cada feature para mover uma previsão em direção a PET positiva ou negativa. As explicações foram calculadas somente nos dados de teste de cada dobra, após a transformação aplicada pelo pipeline. No XGBoost, foi usado TreeSHAP; os valores foram calculados sobre a saída bruta do modelo, e as probabilidades foram obtidas posteriormente por função sigmoide.

A razão p-tau217/Aβ42 teve o maior SHAP absoluto médio, seguida pela concentração de p-tau217. MMSE e p-tau181 trouxeram contribuições adicionais, menores que as das duas primeiras variáveis. APOE ε4 também apareceu entre os principais preditores. Já medidas regionais de MRI contribuíram de forma mais modesta, sugerindo informação complementar, e não o núcleo do sinal preditivo.

Nos gráficos SHAP, valores altos dos principais biomarcadores plasmáticos geralmente deslocaram a previsão para PET positiva. Isso descreve uma associação aprendida pelo modelo; não prova que alterar um marcador cause deposição amiloide. Também não permite concluir que uma variável isolada bastaria para classificar uma pessoa.

Há uma cautela técnica relevante: p-tau217, Aβ42 e a razão p-tau217/Aβ42 têm sobreposição matemática e provável correlação. Features correlacionadas podem dividir ou deslocar entre si a atribuição SHAP. Portanto, a liderança da razão no ranking é evidência de seu papel no modelo, mas não uma medida definitiva de importância biológica independente.

Utilidade potencial, limitações e o que ainda não se pode concluir

A utilidade mais plausível é como apoio à triagem. No futuro, um sistema desse tipo poderia combinar biomarcadores de sangue e dados clínicos para estimar quem merece investigação confirmatória com PET ou líquor. Isso poderia ser especialmente relevante em serviços com acesso limitado à imagem molecular. A explicabilidade por SHAP pode ajudar profissionais a revisar quais variáveis pesaram em uma previsão, em vez de receber apenas uma resposta de “caixa-preta”.

Mas a validação externa foi consideravelmente mais fraca. Quando treinado no 1Florida ADRC e testado no ADNI4, o modelo atingiu AUC de 0,636 e acurácia de 63%. Quando treinado e avaliado dentro do próprio ADNI4 por validação cruzada, a AUC média foi 0,545. Assim, a performance interna não se transferiu integralmente para a nova coorte.

No ADNI4, havia 62 valores ausentes, sobretudo de GFAP e NfL. Eles foram imputados por KNN com cinco vizinhos, usando dados clínicos, cognitivos, APOE, biomarcadores e razões derivadas. Imputação preserva participantes, mas substitui ausências por estimativas e acrescenta incerteza. No 1Florida ADRC, a análise foi restrita a casos completos. MRI ausente podia ser recuperada da visita mais próxima do mesmo participante somente se estivesse a até 12 meses da PET; caso contrário, a visita era excluída.

Os cuidados contra leakage foram apropriados, mas não eliminam limites. A seleção de casos completos pode introduzir viés. MRI obtida em data diferente da PET pode não refletir precisamente o mesmo estado biológico. Ensaios laboratoriais distintos podem produzir escalas diferentes para biomarcadores. E as coortes diferiam em composição clínica, demográfica e de status amiloide.

O estudo não demonstra que exames de sangue substituam PET, que a ferramenta esteja pronta para consultórios, que funcione com desempenho uniforme em populações diversas ou que reduza custos com segurança. Tampouco prevê risco futuro de demência ou estima quantitativamente Centiloid. A conclusão sustentada é mais específica: nesta amostra, a combinação multimodal previu razoavelmente a leitura visual de PET, e o principal sinal veio do plasma, sobretudo de p-tau217/Aβ42 e p-tau217. Estudos maiores, prospectivos, multicêntricos e com ensaios harmonizados ainda são necessários.

Mean F1 (left) and mean accuracy (right) for all classifier and feature-selector combinations in the 1FL ADRC cohort.

1FL ADRC ML pipeline results. (a) Heatmap of mean recall for all model pipelines. (b) ROC curves per fold for the mutual-information selector at 10% retention with XGBoost.

Artigo original

Machine learning for the prediction of amyloid PET positivity using plasma biomarkers, cognition, APOE genotype, and structural imaging.

Yan Liang T, Cui X, Adeyosoye M, Okino Sawada L, Cabrerizo M, Cid REC, Barreto A, Rishe N, Loewenstein DA, Duara R, Adjouadi M., Front Neurosci, 2026-08-17

Imagens reproduzidas do artigo original sob a licença informada pelo periódico: This is an open-access article distributed under the terms of the Creative Commons Attribution License (CC BY). The use, distribution or reproduction in other forums is permitted, provided the original author(s) and the copyright owner(s) are credited and that the original publication in this journa