ALZCHECK: SISTEMA INTELIGENTE PARA APOYAR EL DIAGNÓSTICO TEMPRANO DE LA ENFERMEDAD DE ALZHEIMER
DOI:
https://doi.org/10.47820/recima21.v7i2.7312Palabras clave:
Enfermedad de Alzheimer, Sistema de apoyo a la toma de decisiones, Aprendizaje automáticoResumen
Este artículo presenta AlzCheck, un sistema inteligente para el diagnóstico precoz de la enfermedad de Alzheimer, desarrollado con énfasis en la precisión predictiva, la interpretabilidad y la usabilidad clínica. El sistema utiliza un modelo de Bosque Aleatorio supervisado para clasificar a los pacientes con diagnósticos positivos y negativos basándose en datos clínicos estructurados, logrando una precisión general del 95%. La solución se basa en una arquitectura de microservicios integrada con una API RESTful, con módulos independientes para autenticación, gestión de usuarios, manipulación de datos médicos, predicción, explicación y generación de informes, lo que promueve la escalabilidad, la modularidad y la seguridad. Además de la predicción, AlzCheck incluye un servicio de explicación textual basado en un modelo de lenguaje generativo, que traduce los resultados de la predicción en descripciones comprensibles y recomendaciones de atención en lenguaje natural. Los resultados indican que el sistema es una herramienta prometedora para el diagnóstico precoz de la enfermedad de Alzheimer.
Descargas
Referencias
ALATRANY, A. S.; KHAN, W.; HUSSAIN, A. et al. An explainable machine learning approach for Alzheimer’s disease classification. Scientific Reports, v. 14, p. 2637, 2024. Disponível em: https://doi.org/10.1038/s41598-024-51985-w. Acesso em: 09 out. 2024.
APRAHAMIAN, I.; MARTINELLI, J.; YASSUDA, M. Doença de Alzheimer: revisão da epidemiologia e diagnóstico. Rev Bras Clin Med, v. 7, p. 27–35, 2009. Disponível em: https://docs.bvsalud.org/upload/S/1679-1010/2009/v7n1/a27-35.pdf. Acesso em: 08 dez. 2025.
ARYA, A. D.; SINGH VERMA, S.; CHAKARABARTI, P.; BISHNOI, R. Prediction of Alzheimer's disease: A Machine Learning Perspective with Ensemble Learning. In: International Conference On Contemporary Computing And Informatics (IC3I), 6., 2023, Gautam Buddha Nagar, India. Anais [...]. Gautam Buddha Nagar: IEEE, 2023. p. 2308-2313. DOI: 10.1109/IC3I59117.2023.10397683.
DARA, O. A.; LOPEZ-GUEDE, J. M.; RAHEEM, H. I.; RAHEBI, J.; ZULUETA, E.; FERNANDEZ-GAMIZ, U. Alzheimer’s Disease diagnosis using machine learning: a survey. Applied Sciences, v. 13, 8298, 18 jul. 2023. Disponível em: https://doi.org/10.3390/app13148298. Acesso em: 23 set. 2024.
ESTEVA, Andre et al. A guide to deep learning in healthcare. Nature Medicine, [s. l.], v. 25, ed. 1, p. 24-29, 2019. Disponível em: https://doi.org/10.1038/s41591-018-0316-z. Acesso em: 6 dez. 2025.
GÉRON, A. Mãos à Obra: Aprendizado de Máquina com Scikit-Learn, Keras e TensorFlow. 2. ed. atual. Rio de Janeiro: Alta Books, 2021. 614 p. ISBN 9788550815480.
GÓMEZ-ZARAGOZÁ, L.; WILLS, S.; TEJEDOR-GARCIA, C.; MARÍN-MORALES, J.; ALCAÑIZ, M.; STRIK, H. Alzheimer Disease Classification through ASR-based Transcriptions: Exploring the Impact of Punctuation and Pauses. Interspeech, Ireland, p. 2403-2407, 20 ago. 2023. Disponível em: https://arxiv.org/abs/2306.03443. Acesso em: 23 set. 2024.
JIANG, Fei et al. Artificial intelligence in healthcare: past, present and future. Stroke Vasc Neurol, [s. l.], v. 2, ed. 4, p. 230-243, 2017. Disponível em: https://doi.org/10.1136/svn-2017-000101. Acesso em: 6 dez. 2025.
LIVINGSTON, Gill et al. Dementia prevention, intervention, and care: 2024 report of the Lancet standing Commission. The Lancet, [s. l.], v. 404, n. 10452, p. 572-628, 10 ago. 2024. Disponível em: https://doi.org/10.1016/S0140-6736(24)01296-0. Acesso em: 28 dez. 2025.
ORGANIZAÇÃO MUNDIAL DA SAÚDE (OMS). Global action plan on the public health response to dementia 2017 - 2025. Geneva: World Health Organization, 2017. 44 p. ISBN 978-92-4-151348-7. Disponível em: https://tinyurl.com/5fdh9vzz. Acesso em: 28 dez. 2025.
RAO, K. N.; GANDHI, B. R.; RAO, M. V.; JAVVADI, S.; VELLELA, S. S.; KHADER BASHA, S. Prediction and classification of Alzheimer’s disease using machine learning techniques in 3D MR images. In: International Conference On Sustainable Computing And Smart Systems (ICSCSS), 2023, Coimbatore, Índia. Anais […]. Coimbatore: IEEE, 2023. p. 85–90. DOI: 10.1109/ICSCSS57650.2023.10169550.
RICHARDS, Mark; FORD, Neal. Fundamentos da Arquitetura de Software: Uma abordagem de engenharia. Rio de Janeiro: Alta Books, 2024. 416 p. ISBN 9788550819853.
RUSSELL, Stuart J.; NORVIG, Peter. Inteligência Artificial: Uma Abordagem Moderna. 4. ed. Rio de Janeiro: GEN LTC, 2022. E-book. ISBN 9788595159495. Disponível em: https://app.minhabiblioteca.com.br/reader/books/9788595159495/. Acesso em: 06 dez. 2025.
SCHELTENS, Philip et al. Alzheimer‘s disease. The Lancet, [s. l.], v. 397, n. 10284, p. 1577-1590, 24 abr. 2021. Disponível em: https://doi.org/10.1016/S0140-6736(20)32205-4. Acesso em: 4 jan. 2026.
SCHILLING, L. P. et al. Diagnóstico da doença de Alzheimer: recomendações do Departamento Científico de Neurologia Cognitiva e do Envelhecimento da Academia Brasileira de Neurologia. Dementia & Neuropsychologia, v. 16, p. 25–39, 28 nov. 2022. Disponível em: https://www.scielo.br/j/dn/a/DYTTzwYjKYZV6KWKpBqyfXH/?lang=pt. Acesso em: 08 dez. 2025.
SERENIKI, A.; VITAL, M. A. B. F. A doença de Alzheimer: aspectos fisiopatológicos e farmacológicos. Revista de Psiquiatria do Rio Grande do Sul, v. 30, n. 1, 2008. Disponível em: https://www.scielo.br/j/rprs/a/LNQzKPVKxLSsjbTnBCps4XM/?format=html&lang=pt. Acesso em: 08 dez. 2025.
SHORTLIFFE, E. H.; CIMINO, J. J. (Org.). Biomedical Informatics: Computer Applications in Health Care and Biomedicine. 4. ed. Londres: Springer, 2014.
SICSÚ, Abraham L.; SAMARTINI, André; BARTH, Nelson L. Técnicas de machine learning. São Paulo: Editora Blucher, 2023. E-book. ISBN 9786555063974. Disponível em: https://app.minhabiblioteca.com.br/reader/books/9786555063974/. Acesso em: 26 out. 2025.
SILBERSCHATZ, Abraham. Sistema de Banco de Dados. 7. ed. Rio de Janeiro: GEN LTC, 2020. E-book. ISBN 9788595157552. Disponível em: https://app.minhabiblioteca.com.br/reader/books/9788595157552/. Acesso em: 23 out. 2025.
SILVA, M. R. et al. DOENÇA DE ALZHEIMER: ESTRATÉGIAS DE CUIDADO DIANTE DAS DIFICULDADES AO PORTADOR E CUIDADOR. Brazilian Journal of Implantology and Health Sciences, v. 5, n. 4, p. 164–191, 1 ago. 2023. Disponível em: https://bjihs.emnuvens.com.br/bjihs/article/view/380/461. Acesso em: 08 dez. 2025.
Descargas
Publicado
Número
Sección
Categorías
Licencia
Derechos de autor 2026 RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Os direitos autorais dos artigos/resenhas/TCCs publicados pertecem à revista RECIMA21, e seguem o padrão Creative Commons (CC BY 4.0), permitindo a cópia ou reprodução, desde que cite a fonte e respeite os direitos dos autores e contenham menção aos mesmos nos créditos. Toda e qualquer obra publicada na revista, seu conteúdo é de responsabilidade dos autores, cabendo a RECIMA21 apenas ser o veículo de divulgação, seguindo os padrões nacionais e internacionais de publicação.
