Estratificação de desordens psiquiátricas utilizando análises discriminante e de agrupamento para redes

• Processo: 18/17996-5
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Data de Início da vigência: 15 de julho de 2019
• Data de Término da vigência: 14 de novembro de 2019
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Matemática da Computação
• Acordo de Cooperação: European Research Council
• Pesquisador responsável: André Fujita
• Beneficiário: André Fujita
• Pesquisador Anfitrião: Gunter Schumann
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Instituição Anfitriã: King's College London, Inglaterra
• Assunto(s): Estatística computacional Redes complexas Neuroimagem Big data
• Palavra(s)-Chave do Pesquisador: big data | Desordens Psiquiatricas | estatística computacional | Estatística de redes | neuroimagem | Redes Complexas | Estatística computacional

Resumo

Existem pelo menos três razões principais para a dificuldade em reduzir o número de pessoas que abusam de álcool, ou sofrem de depressão ou transtorno de déficit de atenção e hiperatividade (TDAH). São elas (i) o diagnóstico tardio num momento quando a psicopatologia já está bastante avançada, (ii) uma classificação baseada em critérios subjetivos, i.e., baseada na observação do comportamento (o que não reflete necessariamente os mecanismos biológicos envolvidos), e (iii) comorbidade (comorbidade entre depressão e TDAH em adolescentes e adultos é acima de 50%; comorbidade entre abuso de álcool e TDAH em adolescentes e adultos é de 12.9% e 61-64%, respectivamente). Assim, com o objetivo de reduzir as frequências dessas desordens, propomos identificar biomarcadores para um diagnóstico mais precoce como também estratifica-las levando em conta a comorbidade. Para isso, analisaremos o conjunto de dados longitudinais IMAGEN (coordenado pelo Prof. Schumann) composto por mais de 2.000 indivíduos. Primeiro usaremos o CEM-Co para agrupar os indivíduos levando em conta o efeito da comorbidade. Em seguida, a fim de identificar marcadores discriminativos e preditores da psicopatologia, para cada grupo identificado pelo CEM-Co, aplicaremos métodos desenhados especificamente para análise de redes, como análise discriminante de redes e algoritmo de agrupamento para grafos baseado em modelos (baseado no algoritmo EM). Finalmente, investigaremos se as estruturas da rede do cérebro caracterizam subtipos e se elas correspondem as comorbidades entre as desordens. Esperamos assim que nossos achados auxiliem numa melhor compreensão como também num diagnóstico mais precoce e objetivo das pessoas que abusam de álcool e sofrem de depressão e TDAH.

Publicações científicas

(4)

(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)

RAMOS, TAIANE COELHO; BALARDIN, JOANA BISOL; SATO, JOAO RICARDO; FUJITA, ANDRE. Abnormal Cortico-Cerebellar Functional Connectivity in Autism Spectrum Disorder. FRONTIERS IN SYSTEMS NEUROSCIENCE, v. 12, JAN 15 2019. (16/13422-9, 18/17996-5, 13/07375-0, 15/01587-0)

RELVAS, CARLOS E. M.; NAKATA, ASUKA; CHEN, GUOAN; BEER, DAVID G.; GOTOH, NORIKO; FUJITA, ANDRE. A model-based clustering algorithm with covariates adjustment and its application to lung cancer stratification. JOURNAL OF BIOINFORMATICS AND COMPUTATIONAL BIOLOGY, v. 21, n. 04, p. 26-pg., 2023-09-08. (18/21934-5, 18/17996-5)

FUJITA, ANDRE; LIRA, EDUARDO SILVA; SANTOS, SUZANA DE SIQUEIRA; BANDO, SILVIA YUMI; SOARES, GABRIELA ELEUTERIO; TAKAHASHI, DANIEL YASUMASA. A semi-parametric statistical test to compare complex networks. JOURNAL OF COMPLEX NETWORKS, v. 8, n. 2, APR 2020. (18/17996-5, 18/21934-5, 15/21162-4, 15/01587-0)

GUZMAN, GROVER E. CASTRO; FUJITA, ANDRE. Convolution-based linear discriminant analysis for functional data classification. INFORMATION SCIENCES, v. 581, p. 469-478, DEC 2021. (18/17996-5, 18/21934-5, 20/01479-1)