Inteligência artificial e Morfologia cortical cerebral avançada: identificação de padrões específicos e exploração do potencial discriminatório em sete doenças neurológicas

• Processo: 24/17011-0
• Modalidade de apoio: Bolsas no Brasil - Doutorado Direto
• Data de Início da vigência: 01 de agosto de 2025
• Data de Término da vigência: 29 de fevereiro de 2028
• Área de conhecimento: Ciências da Saúde - Medicina - Clínica Médica
• Pesquisador responsável: Clarissa Lin Yasuda
• Beneficiário: Thais Maria Santos Bezerra
• Instituição Sede: Faculdade de Ciências Médicas (FCM). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Doenças do sistema nervoso Inteligência artificial Neuroimagem Neurologia
• Palavra(s)-Chave do Pesquisador: Doenças Neurológicas | Girificação Cortical | Inteligência Artificial | neuroimagem | Neurologia

Resumo

Para ampliar o conhecimento específico das alterações cerebrais que acometem diferentes doenças neurológicas, aplicaremos técnicas avançadas de pós-processamento de neuroimagem a fim de extrair dados inovadores sobre morfologia e conectividade cerebral. Apesar da identificação de alterações cerebrais sutis em diversas doenças neurológicas com métodos tradicionais de análise de neuroimagem, notou-se que as medidas cerebrais levam a uma convergência de fenômenos fisiológicos e patológicos para um modo de expressão (atrofia cerebral e redução da espessura cortical), que são comuns ao envelhecimento fisiológico e a diversas doenças cerebrais. A fim de determinar as possíveis diferenças entre estes fenômenos, analisaremos dados clínicos gerais e específicos e parâmetros de ressonância magnética cerebral de 925 pacientes portadores de condições neurológicas (com 7 tipos de doenças: epilepsia, esclerose múltipla, doença de Alzheimer, doença de Parkinson, ataxia, lúpus eritematoso sistêmico e Covid longa) e comparar com dados de 500 voluntários sadios. Todas as imagens foram adquiridas em um mesmo centro de pesquisa com aparelho de campo 3.0T com protocolo único. Pretendemos extrair métricas corticais avançadas e independentes que complementam medidas tradicionais (volume e espessura cortical) a fim de determinar seu valor na distinção dos processos neuropatológicos complexos. A metodologia descrita é recente e carece de comparação entre diferentes patologias. Utilizaremos algoritmos de Inteligência Artificial para analisar os dados multimodais (clínicos e neuroimagem) a fim de avaliar os melhores conjuntos de dados que permitam classificação das doenças.