Desenvolvimento de Ferramentas Computacionais Avançadas para Análise In Vivo de Gânglios da Raiz Dorsal e Integridade da Medula Espinhal em Neuronopatias Sensitivas.

• Processo: 25/00186-4
• Modalidade de apoio: Auxílio à Pesquisa - Jovens Pesquisadores
• Data de Início da vigência: 01 de agosto de 2025
• Data de Término da vigência: 31 de julho de 2030
• Área do conhecimento: Ciências da Saúde - Medicina - Radiologia Médica
• Pesquisador responsável: Thiago Junqueira Ribeiro de Rezende
• Beneficiário: Thiago Junqueira Ribeiro de Rezende
• Instituição Sede: Faculdade de Medicina de Ribeirão Preto (FMRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
• Pesquisadores associados: Alberto Rolim Muro Martinez ; André Monteiro Paschoal ; Antonio Carlos dos Santos ; Fernando Cendes ; José Luiz Pedroso ; Marcondes Cavalcante Franca Junior ; Orlando Graziani Povoas Barsottini ; Pedro José Tomaselli ; Wilson Marques Junior
• Assunto(s): Aprendizagem profunda Gânglios espinais Ressonância magnética Neuroimagem
• Palavra(s)-Chave do Pesquisador: Deep Learning | Gânglio da raiz dorsal | Neuronopatias | Ressonância Magnética | Neuroimagem

Resumo

Este projeto tem como objetivo desenvolver ferramentas computacionais avançadas para a análise in vivo dos gânglios da raiz dorsal (GRD) e da integridade da medula espinhal, com foco nas neuronopatias sensitivas. Os gânglios da raiz dorsal são essenciais para a transmissão de informações sensoriais da periferia para o sistema nervoso central; no entanto, suas características morfológicas e funcionais permanecem pouco exploradas, especialmente em humanos. Apesar dos avanços significativos na compreensão dos mecanismos neuronais, os métodos diagnósticos existentes, que são principalmente análises histológicas invasivas, são inadequados para avaliações abrangentes. Os recentes desenvolvimentos em ressonância magnética (MRI) de alto campo oferecem alternativas não invasivas promissoras, mas carecem de protocolos padronizados para a segmentação automática dos GRD e das projeções periféricas. Esta pesquisa propõe a criação de algoritmos de aprendizado profundo para a identificação e quantificação automatizadas das estruturas do GRD em dados de imagens, abordando as limitações das metodologias atuais. Iremos gerar um protocolo de imagem harmonizado e desenvolver pipelines para o processamento consistente de dados em diferentes sistemas de MRI. Os resultados esperados incluem a melhoria da sensibilidade diagnóstica para neuronopatias sensitivas e uma melhor compreensão de sua fisiopatologia subjacente. Em última análise, este trabalho visa facilitar a integração de biomarcadores de imagem na prática clínica para distúrbios neurológicos, proporcionando uma estrutura para abordagens terapêuticas personalizadas. (AU)