Diagnóstico da Doença de Parkinson Baseado em Redes Cerebrais Funcionais e Aprendizado de Máquina

• Processo: 24/05002-6
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de outubro de 2024
• Data de Término da vigência: 30 de junho de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Francisco Aparecido Rodrigues
• Beneficiário: Théo Bruno Frey Riffel
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Imagem por ressonância magnética funcional Aprendizado computacional Doença de Parkinson Redes complexas
• Palavra(s)-Chave do Pesquisador: fMRI | machine learning | Parkinson | Redes cerebrais funcionais | Redes Complexas | Machine Learning, Redes Complexas, Redes Cerebrais Funcionais

Resumo

A doença de Parkinson (DP) é um distúrbio cerebral progressivo do sistema nervoso que afeta o controle da perda dos neurônios motores e a coordenação dos movimentos. De acordo com a Organização Mundial da Saúde (OMS), a doença de Parkinson afeta 1% da população mundial com mais de 65 anos de idade, o que a torna a segunda doença neurodegenerativa mais comum. Seus sinais e sintomas podem variar de acordo com cada pessoa, o que torna o diagnóstico atual, baseado em sintomas clínicos, um desafio. Neste projeto, planejamos usar dados de fMRI de diferentes estágios da DP para criar um método quantitativo para o diagnóstico automático da DP. Nossa abordagem é baseada em estudos anteriores que sugeriram que a doença de Parkinson se deve a mudanças na organização cerebral. Demonstraremos um método capaz de extrair medidas da rede cerebral de pacientes com DP e pacientes saudáveis para uma classificação precisa dos mesmos, além de dar uma interpretação biológica das conexões entre as regiões cerebrais e sua relação em diferentes estágios da DP.