USO DA INTELIGÊNCIA ARTIFICIAL EM DOENÇAS NEURODEGENERATIVAS
DOI:
https://doi.org/10.36557/2674-8169.2026v8n5p2232-2239Palavras-chave:
Inteligência Artificial, Doenças Neurodegenerativas, Diagnóstico precoce, Machine learning, Biomarcadores digitaisResumo
Introdução: As doenças neurodegenerativas são caracterizadas por perda progressiva de neurônios e representam um importante desafio clínico devido à dificuldade de diagnóstico precoce e à complexidade dos mecanismos fisiopatológicos envolvidos. Nesse contexto, a inteligência artificial (IA) surge como uma ferramenta promissora na identificação de padrões complexos em dados clínicos, de imagem e comportamentais. Objetivo: Analisar a aplicação da inteligência artificial no diagnóstico das doenças neurodegenerativas, destacando suas principais metodologias, desempenho e limitações. Metodologia: Trata-se de uma revisão de literatura, baseada em busca não sistematizada nas bases PubMed, Scopus e Google Scholar, considerando estudos publicados entre 2019 e 2025 que abordam o uso de inteligência artificial em doenças neurodegenerativas. Resultados: Evidencia-se o uso crescente de técnicas como machine learning, deep learning, neuroimagem, interfaces cérebro-computador, biomarcadores digitais e biossensores. Essas abordagens demonstram boa performance na detecção precoce de doenças como Alzheimer e Parkinson, especialmente em modelos multimodais. Conclusão: A inteligência artificial apresenta elevado potencial para o diagnóstico precoce das doenças neurodegenerativas, especialmente quando integrada a múltiplas fontes de dados. Entretanto, sua aplicação clínica ainda depende de maior validação, padronização metodológica e estudos longitudinais.
Downloads
Referências
AGNELLO, L.; CIACCIO, M. Neurodegenerative diseases: from molecular basis to therapy. International Journal of Molecular Sciences, v. 23, p. 12854, 2022. DOI: https://doi.org/10.3390/ijms232112854.
ALJUHANI, M.; ASHRAF, A.; EDISON, P. Use of artificial intelligence in imaging dementia. Cells, v. 13, n. 23, p. 1965, 2024. DOI: https://doi.org/10.3390/cells13231965.
CHUDZIK, A.; ŚLEDZIANOWSKI, A.; PRZYBYSZEWSKI, A. W. Machine learning and digital biomarkers can detect early stages of neurodegenerative diseases. Sensors, v. 24, n. 5, p. 1572, 2024. DOI: https://doi.org/10.3390/s24051572.
DENNIS, A. P.; STRAFELLA, A. P. The role of AI and machine learning in the diagnosis of Parkinson’s disease and atypical parkinsonisms. Parkinsonism & Related Disorders, v. 126, p. 106986, 2024. DOI: https://doi.org/10.1016/j.parkreldis.2024.106986.
DOMÍNGUEZ-FERNÁNDEZ, C. et al. Review of technological challenges in personalised medicine and early diagnosis of neurodegenerative disorders. International Journal of Molecular Sciences, v. 24, n. 4, p. 3321, 2023. DOI: https://doi.org/103390/ijms24043321.
EL-SAPPAGH, S. et al. A multilayer multimodal detection and prediction model based on explainable artificial intelligence for Alzheimer’s disease. Scientific Reports, v. 11, n. 1, p. 2660, 2021. DOI: https://doi.org/10.1038/s41598-021-82098-3.
LI, R. et al. Applications of artificial intelligence to aid early detection of dementia: a scoping review on current capabilities and future directions. Journal of Biomedical Informatics, v. 127, p. 104030, 2022. DOI: https://doi.org/10.1016/j.jbi.2022.104030.
LOGROSCINO, G.; URSO, D.; SAVICA, R. Descriptive epidemiology of neurodegenerative diseases: what are the critical questions? Neuroepidemiology, v. 56, n. 5, p. 309–318, 2022. DOI: https://doi.org/10.1159/000525639.
NCHOUWAT NDUMGOUO, I. M. et al. Integrating AI with biosensors and voltammetry for neurotransmitter detection and quantification: a systematic review. Biosensors, v. 15, n. 11, p. 729, 2025. DOI: https://doi.org/10.3390/bios15110729.
PARK, K. W.; MIRIAN, M. S.; MCKEOWN, M. J. Artificial intelligence-based video monitoring of movement disorders in the elderly. Singapore Medical Journal, v. 65, n. 3, p. 141–149, 2024. DOI: https://doi.org/10.4103/singaporemedj.SMJ2023-189.
QADRI, Y. A.; AHMAD, K.; KIM, S. W. Artificial general intelligence for the detection of neurodegenerative disorders. Sensors, v. 24, n. 20, p. 6658, 2024. DOI: https://doi.org/10.3390/s24206658.
SCRIBANO PARADA, M. P. et al. Preclinical cognitive markers of Alzheimer disease and early diagnosis using virtual reality and artificial intelligence. JMIR Medical Informatics, v. 13, e62914, 2025. DOI: https://doi.org/10.2196/62914.
SHANMUGAVADIVEL, K. et al. Advancements in computer-assisted diagnosis of Alzheimer’s disease: a comprehensive survey of neuroimaging methods and AI techniques for early detection. Ageing Research Reviews, v. 91, p. 102072, 2023. DOI: https://doi.org/10.1016/j.arr.2023.102072.
VITALE, A. et al. Artificial intelligence applied to neuroimaging data in Parkinsonian syndromes: actuality and expectations. Mathematical Biosciences and Engineering, v. 18, n. 2, p. 1753–1773, 2021. DOI: https://doi.org/10.3934/mbe.2021091.
ZHANG, H. et al. Brain-computer interfaces: the innovative key to unlocking neurological conditions. International Journal of Surgery, v. 110, n. 9, p. 5745–5762, 2024. DOI: https://doi.org/10.1097/JS9.0000000000002022.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Antonio Heitor Andrade Batista , David Moreira Sampaio , Luan Bezerra Matias dos Santos , Victor Laurentino Macedo, João Vitor Veloso Duarte Araújo , Arthur Ribeiro Firmino Campelo, José Hudson Sousa Bezerra, Francisco Tiago de Carvalho Neto, Ana Brígida Lacerda Pedrozo, Marissa de Araújo Vasconcelos, Ana Tereza Carvalho da Rocha Bezerra, Rivelino de Castro Falcão
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Os autores são detentores dos direitos autorais mediante uma licença CCBY 4.0.
