Do Modal Único à Inteligência Artificial Multi-Modal na Doença de Alzheimer: Revisão Sistemática de Bancos de Dados, Modalidades, Desempenho Diagnóstico e Desafios Clínicos de Tradução

O que aconteceu

A doença de Alzheimer (DA) é a principal causa de demência e uma das principais causas de morte em todo o mundo, tornando a detecção precoce uma prioridade clínica crítica. Como as alterações patológicas podem começar 15-20 anos antes do início dos sintomas, a inteligência artificial (IA) surgiu como uma ferramenta promissora para identificar e caracterizar a DA. Em particular, abordagens multimodais que integram dados cognitivos, biológicos e baseados em sensores têm atraído crescente interesse. Esta revisão sistemática compara as estratégias de IA mono e multimodal para detecção de DA, abrangendo métodos de aprendizagem de máquina e aprendizagem profunda, representações de características, estratégias de validação e tarefas de classificação. Pesquisas de grandes bases de dados identificaram 568 estudos publicados entre 2016 e início de 2026; 278 atenderam aos critérios de inclusão segundo as diretrizes da PRISMA. As abordagens multimodais geralmente obtiveram desempenho mais elevado do que as estratégias monomodais, particularmente para tarefas desafiadoras, como prever progressão entre estágios de doença intimamente relacionados, embora as comparações diretas em condições idênticas permaneçam escassas. Criticamente, apenas cerca de 4% dos estudos avaliaram seus modelos em uma coorte externa genuinamente independente, levantando preocupações substanciais sobre a generalização do modelo. Em geral, os atuais sistemas de IA permanecem altamente dependentes de conjuntos de dados existentes e protocolos de avaliação heterogêneos, que limitam a generalização e a aplicabilidade clínica. Pesquisas futuras devem priorizar conjuntos de dados multimodais representativos, validação externa rigorosa e sistemas de IA clinicamente interpretáveis.