A detecção da Doença de Parkinson encontra parceria na IA utilizando exames de ressonância magnética padrão e, em breve, uma tomografia cerebral será suficiente para diagnosticar com precisão DP, Doença de Parkinson, graças a ferramenta com tecnologia IA, avanço, que auxiliará médicos agilizar detecção e tratamento proporcionando cuidado e melhorando qualidade de vida em que modelo de aprendizado de máquina desenvolvido na Universidade da Flórida, UF, e centros médicos de primeira linha, analisa exames de ressonância magnética buscando distinguir entre doença de Parkinson, atrofia multissistêmica, AMS, e paralisia supra nuclear progressiva, PSP, condições que costumam assemelhar em exames cerebrais nos estágios iniciais tornando o diagnóstico complexo e levando a atraso no tratamento. A tecnologia chamada plataforma de AIDP, Diferenciação Automatizada de Imagens à Parkinsonismo, surge em estudo publicado no JAMA Neurology e, com a AIDP, médicos fazem diagnósticos mais rápidos e precisos sem depender de testes invasivos ou exames especializados com traçadores radioativos, promovendo detecção e tratamento precoce e, para treinar IA, pesquisadores utilizaram 645 exames cerebrais, ou, 249 de novos pacientes, 396 de estudos anteriores e 49 de cérebros doados examinados post-mortem, todos, com diagnósticos confirmados de Parkinson, AMS ou PSP, combinando exames que mostram alterações no tecido cerebral além de informações como idade, sexo e sintomas, enquanto o AIDP detectou marcadores que distinguem uma patologia da outra. Angelos Barmpoutis, coautor do estudo e professor do Instituto de Mundos Digitais da Universidade da Florida, UF, com sua equipe executou o modelo usando GPUs NVIDIA, incluindo uma NVIDIA Quadro P400, em máquinas locais analisando volumes de imagens de ressonância magnética além da biblioteca TensorFlow com NVIDIA CUDA e quatro GPUs NVIDIA A100 Tensor Core sendo que o treinamento em larga escala levou 36 horas para ser concluído, sendo que a versão final do modelo é treinada em apenas alguns minutos e uma varredura cerebral completa com diagnóstico é processada em 2 horas. Descobriram que a ferramenta IA identificou corretamente o diagnóstico em 95% dos casos superando neurologistas em alguns dos cenários mais desafiadores e, dentre os casos post-mortem, a AIDP correspondeu à doença confirmada em 94% das vezes comparada com a precisão de 82% do diagnóstico clínico isolado, quer dizer, esse alto nível de precisão pode ajudar reduzir diagnósticos equivocados e aliviar o impacto emocional de pacientes e familiares na busca por respostas, ao mesmo tempo que os coloca no caminho certo ao tratamento de modo mais rápido e com potencial à ampla adoção considerando que a ferramenta IA funciona em hospitais e diferentes equipamentos de ressonância magnética, o software baseado em nuvem pode ser integrado a ambientes de atendimento desde grandes hospitais a pequenas clínicas e serviços remotos de telessaúde, valendo lembrar que, além do diagnóstico, tem potencial de melhorar ensaios clínicos garantindo que pacientes corretos sejam inscritos, desafio constante na pesquisa sobre Parkinson.
Ainda com relação a IA, em 2025, se tornou ferramenta essencial no desenvolvimento de novos medicamentos, transformando processo que antes levava mais de 10 anos, mais rápido e preciso, tecnologia que não apenas encurta tempos de pesquisa mas expande possibilidades de tratamento de doenças negligenciadas pela indústria farmacêutica tradicional, considerando que desenvolver medicamento é como montar quebra-cabeça com milhões de peças e IA atua como lupa que analisa as peças e escolhe as que se encaixam e, em vez de testar aleatoriamente milhares de compostos, algoritmos identificam moléculas com maior potencial terapêutico reduzindo tempo de busca. Historicamente muitas doenças foram ignoradas pelas farmacêuticas por conta da baixa lucratividade, no entanto, IA emerge no desenvolvimento de tratamento à picadas de cobra como exemplo claro, pois tornou possível criar solução eficaz e econômica à doença que afeta comunidades rurais em países de baixa renda, daí, empresas como a Sanofi usam IA para projetar moléculas e entender respostas do sistema imunológico abrindo portas à tratamentos de patologias consideradas inatingíveis decorrente falta de investimento. Ferramentas como RFdiffusion e ProteinMPNN projetam novas proteínas que podem neutralizar toxinas como as do veneno de cobra, inovação, que levou ao primeiro tratamento experimental à picadas de cobra, ou, doença tropical negligenciada afetando mais de 2 milhões de pessoas anualmente, enquanto IA, pela primeira vez, tornou alternativa real aos antigos antídotos baseados em anticorpos de cavalo, no entanto, outra ferramenta é o AlphaFold 3, desenvolvido pelo Google DeepMind, tratando-se de sistema que pode prever estruturas das moléculas e interações com 50% mais precisão superando métodos físicos tradicionais, quer dizer, conhecer como moléculas se reúnem no corpo é como ter um mapa do tesouro antes de iniciar a busca, isto é, permite a criação de ligantes e anticorpos que atuam de modo mais eficaz contra doenças. Vale a lembrança que os ensaios clínicos são os maiores gargalos na pesquisa farmacêutica, exigindo milhões em financiamento deixando margem para que IA melhore o processo selecionando pacientes adequados, antecipando respostas aos tratamentos e simulando testes em ambientes digitais, daí, doenças como o câncer, faz com que IA desempenhe papel decisivo ao analisar dados genéticos e clínicos oferecendo medicina personalizada, significando que os tratamentos são adaptados às características de cada paciente não só melhorando a eficácia como reduzindo efeitos colaterais. Els Torreele, da Iniciativa Medicamentos para Doenças Negligenciadas, DNDi, diz que IA por si só não resolve questões estruturais da indústria, mas reduz recursos se integrada a outros avanços, melhora a farmacovigilância, ou seja, o monitoramento de efeitos adversos e interações medicamentosas através de algoritmos de aprendizado de máquina rastreando padrões em registros médicos, mídias sociais e fóruns de saúde para detectar efeitos colaterais que podem passar despercebidos, permitindo que os tratamentos sejam ajustados em tempo real e os riscos antecipados, tornando a medicina não apenas mais eficaz, mas, mais segura. Por fim, o Prêmio Nobel de Química, Demis Hassabis, prevê que os primeiros medicamentos projetados inteiramente por IA entrarão em testes clínicos já em 2025, esperando-se que beneficiem áreas como oncologia, doenças neurodegenerativas e doenças cardiovasculares com 86% das organizações de saúde adotando IA, tendência clara, a tecnologia não é promessa distante mas ferramenta concreta que redefine a pesquisa biomédica.
Moral da Nota: Tehseen Zia, professor associado titular na COMSATS University Islamabad, doutor em IA pela Universidade de Tecnologia de Viena, avalia que IA pode derrotar campeões mundiais de xadrez, gerar obras de arte impressionantes e escrever códigos que humanos levariam dias para concluir, no entanto, entender por que uma bola cai para baixo em vez de cair para cima, ou, prever o que acontece quando empurramos um copo da mesa, fazem emergir dificuldades que os sistemas IA enfrentam e que surpreenderiam uma criança. Pensa que a lacuna entre a capacidade computacional IA e sua incapacidade de compreender a intuição física básica revela limitações sobre o modo atual IA, embora se destaque na correspondência de padrões e análises estatísticas, carece compreensão profunda do universo físico que os humanos desenvolvem naturalmente desde o nascimento, quer dizer, os sistemas modernos IA especialmente modelos de linguagem de grande porte, criam a 'Ilusão de Compreensão' da física, podem resolver equações complexas, explicar princípios da termodinâmica e projetar experimentos, no entanto, essa aparente competência esconde limitações fundamentais. Estudos dizem que embora ferramentas IA demonstrem desempenho em questões teóricas, apresentam dificuldades na solução de problemas práticos especialmente áreas que exigem compreensão conceitual profunda e cálculos complexos, aí, segundo o professor paquistanês, a diferença fica evidente quando sistemas IA deparam com cenários que exigem raciocínio físico real em vez de reconhecimento de padrões. Para concluir, consideremos um exemplo simples, ou, prever a trajetória de uma bola quicando, a criança aprende a antecipar onde a bola cairá com base em física intuitiva desenvolvida através de interações com objetos, daí, sistemas IA, apesar de acesso a modelos matemáticos precisos falham em prever cenários do mundo real onde múltiplos princípios físicos se aplicam, embora IA avance, a compreensão básica da física é desafio significativo e, a lacuna entre intuição humana e capacidade IA nesse domínio mostra diferenças no modo como sistemas biológicos e artificiais processam informações sobre o mundo. O desafio consiste na jornada rumo a sistemas IA que entendam física como os humanos e provavelmente exigirá avanços no modo como abordamos aprendizado de máquina e IA, até lá, segundo o Dr Zia, a criança de 3 anos que prevê com confiança onde a bola quicando cairá permanece à frente de sistemas IA sofisticados, nesse aspecto fundamental da inteligência.