Biomarcadores de eletroencefalograma baseados em conectividade cerebral para diagnóstico automatizado da Doença de Alzheimer

• Processo: 18/03655-1
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Vigência (Início): 18 de julho de 2019
• Vigência (Término): 17 de julho de 2020
• Área do conhecimento: Engenharias - Engenharia Biomédica
• Pesquisador responsável: Francisco José Fraga da Silva
• Beneficiário: Francisco José Fraga da Silva
• Pesquisador Anfitrião: Claudio Babiloni
• Instituição Sede: Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas (CECS). Universidade Federal do ABC (UFABC). Ministério da Educação (Brasil). Santo André , SP, Brasil
• Local de pesquisa: Università degli Studi di Roma La Sapienza, Itália
• Assunto(s): Conectividade cerebral Doença de Alzheimer
• Palavra(s)-Chave do Pesquisador: Comprometimento Cognitivo Leve (CCL) | Conectividade Cerebral | Doença de Alzheimer (DA) | Eletroencefalografia quantitativa (EEGq) | Remoção Automática de Artefatos (RAA) | Auxílio ao Diagnóstico

Resumo

A doença de Alzheimer (DA), caracterizada pela presença de emaranhados neurofibrilares e placas senis no cérebro, é uma demência que acomete uma grande parcela da população idosa, com uma incidência que tem aumentado significativamente nas últimas décadas. Assim, a detecção precoce da DA torna-se uma questão de saúde pública, pois permite iniciar um tratamento que pode retardar significativamente a progressão da doença. Logo, é de suma importância o desenvolvimento de métodos que deem suporte ao diagnóstico precoce da DA. Além disso, na linha de procurar um diagnóstico realmente antecipado, o comprometimento cognitivo leve (CCL) tem se mostrado um importante fator de risco no desenvolvimento da doença. O tratamento no período prodrômico (CCL) pode mitigar os déficits advindos da progressão da doença. Técnicas clínicas de diagnóstico atualmente atingem taxa de acerto em torno de 90% na classificação entre casos e controles. No entanto, elas exigem a aplicação de uma extensa gama de recursos que limitam a aplicação sistemática desse tipo de teste para grande parte da população idosa com suspeita de prejuízos na memória ou declínios cognitivos sutis. A eletroencefalografia quantitativa (EEGq) é um método promissor para superar esta limitação, pois tem larga disponibilidade, baixo-custo e utiliza procedimentos de aplicação relativamente simples. Classificadores automáticos de DA atuais baseados em EEGq apresentam acurácia próxima a 90%. Apesar disso, ainda não foi atingida a completa automação do diagnóstico através dessa técnica. Em primeiro lugar, é necessário tratamento do sinal com remoção automática de artefatos (RAA). Posteriormente, é necessário extrair características significativas do sinal de EEG capazes de diferenciar entre pacientes com CCL ou DA e indivíduos idosos sadios. Neste projeto de pesquisa pretende-se desenvolver, aprimorar e validar marcadores biológicos baseados na análise de ferramentas de conectividade cerebral no EEG para diagnosticar precocemente e com acurácia o CCL e a DA. Bases de dados internacionais de pacientes e controles serão disponibilizadas pelo grupo de pesquisa parceiro da Universidade de Roma "La Sapienza". Ao final, será realizada a integração e otimização do sistema completo, desde a RAA até a fase de classificação automática, de modo a atingir o ponto ótimo de operação do sistema como um todo.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

BABILONI, CLAUDIO; LOPEZ, SUSANNA; DEL PERCIO, CLAUDIO; NOCE, GIUSEPPE; PASCARELLI, MARIA TERESA; LIZIO, ROBERTA; TEIPEL, STEFAN J.; GONZALEZ-ESCAMILLA, GABRIEL; BAKARDJIAN, HOVAGIM; GEORGE, NATHALIE; et al. Resting-state posterior alpha rhythms are abnormal in subjective memory complaint seniors with preclinical Alzheimer's neuropathology and high education level: the INSIGHT-preAD study. NEUROBIOLOGY OF AGING, v. 90, p. 43-59, JUN 2020. (18/03655-1)

ROSSINI, P. M.; DI IORIO, R.; VECCHIO, F.; ANFOSSI, M.; BABILONI, C.; BOZZALI, M.; BRUNI, A. C.; CAPPA, S. F.; ESCUDERO, J.; FRAGA, F. J.; et al. Early diagnosis of Alzheimer's disease: the role of biomarkers including advanced EEG signal analysis. Report from the IFCN-sponsored panel of experts. CLINICAL NEUROPHYSIOLOGY, v. 131, n. 6, p. 1287-1310, JUN 2020. (18/03655-1, 17/15243-7)