| Processo: | 13/10498-6 |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |
| Data de Início da vigência: | 01 de outubro de 2013 |
| Data de Término da vigência: | 30 de setembro de 2015 |
| Área do conhecimento: | Interdisciplinar |
| Pesquisador responsável: | João Ricardo Sato |
| Beneficiário: | João Ricardo Sato |
| Instituição Sede: | Centro de Matemática, Computação e Cognição (CMCC). Universidade Federal do ABC (UFABC). Santo André , SP, Brasil |
| Município da Instituição Sede: | Santo André |
| Pesquisadores associados: | Andrea Parolin Jackowski ; Carlos Eduardo Thomaz ; Marcelo Queiroz Hoexter ; Rodrigo Affonseca Bressan |
| Assunto(s): | Neurociências Psiquiatria Transtornos mentais Diagnóstico por imagem Neuroimagem Inteligência artificial Aprendizado computacional |
| Palavra(s)-Chave do Pesquisador: | Aprendizado de Máquina | diagnóstico | Inteligência Artificial | neuroimagem | Psiquiatria | Transtornos mentais | Neurociências |
Resumo
Métodos de neuroimagem como a ressonância magnética funcional, tractografia, morfometria baseada em voxel e análise da superfície cortical vêm avançando rapidamente permitindo a observação de aspectos distintos da estrutura e funcionamento cerebral e vem tendo uma contribuição fundamental para o entendimento de transtornos mentais (TM). Tradicionalmente vêm sendo utilizados para a comparação entre grupos de indivíduos saudáveis e grupos de pacientes com TM e a comparação de "médias" tem contribuído para o entendimento da etiologia e correlatos neurais associados às patologias. Como as alterações são sutis e a variabilidade dos dados é grande há uma grande sobreposição entre as "médias" de indivíduos saudáveis e com TM. Esta sobreposição limita sobremaneira o uso das técnicas de neuroimagem na prática clínica, uma vez que não pode ser aplicada para o diganóstico do caso individual. Desta forma, um dos principais desafios na psiquiatria é a descoberta de biomarcadores, tais como a neuroimagem, que sejam úteis tanto para diagnóstico dos TM como para predizer a eficácia dos tratamentos com medicações e/ou terapias (prognóstico). Alterações cerebrais sutis e espacialmente distribuídas são difíceis de serem detectadas a olho nu, mas podem ser detectadas com a utilização de métodos de aprendizado de máquina ('machine learning'). Em trabalhos anteriores do nosso grupo pudemos demonstrar que algumas dessas técnicas permitem a obtenção de predições de estados (e.g., patológico ou refratário) para o caso individual. Neste projeto, deseja-se dar um salto conceitual no desenvolvimento de métodos e aplicações em psiquiatria. Este salto embasa-se na utilização de grandes bases de dados (da ordem de centenas de indivíduos) inéditas de neuroimagem que serão combinadas com dados de genética (DNA e RNA) para validar as técnicas previamente desenvolvidas e realizar a mineração de dados para a descoberta de marcardores para os transtornos psiquiátricos. Esperamos encontrar potenciais biomarcadores para esquizofrenia através de medidas de conectividade e polimorfismos genéticos. Além disso, vamos estudar trajetórias de conectividade funcional para identificar potenciais marcadores precoces de risco para TM em uma amostra inédita no mundo incluindo mais de 750 crianças com desenvolvimento saudável e crianças em alto risco para TM,. Este grupo vem tendo sucesso no desenvolvimento metodologias combinando métodos avançados de reconhecimento de padrão de neuroimagem para TM. Este projeto vai aplicar a combinação da neuroimagem com métodos estatísticos/computacionais modernos em grandes bases de dados tanto de neuroimagem como de outros biomarcadores, provenientes de amostras seletas (portadores da doença, indivíduos em risco e controles saudáveis) e permitirá importantes avanços tecnológicos para diagnósticos e prognósticos em psiquiatria. (AU)
| Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio: |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |