Da Retina à Cognição: Aprendizagem por Transferência para a Previsão do MMSE na Retinopatia Diabética

• Processo: 25/21854-5
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 27 de dezembro de 2025
• Data de Término da vigência: 26 de março de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Ricardo José Ferrari
• Beneficiário: Davi Cerchiari Alves
• Supervisor: Jose Luis Avila Jimenez
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Instituição Anfitriã: Universidad de Córdoba (UCO), Espanha
• Vinculado à bolsa: 25/02513-2 - Predição de Comprometimento Cognitivo Leve Estável e Progressivo com Graph Kernels e Atributos de Imagens de Ressonância Magnética, BP.IC
• Assunto(s): Aprendizagem profunda Demência Diabetes mellitus tipo 2
• Palavra(s)-Chave do Pesquisador: Deep Learning | Demência | Fundus photographs | Retinal images | Transfer Learning Based Model | type 2 diabetes mellitus | Processamento de Imagens Biomédicas

Resumo

O diabetes mellitus tipo 2 (DM2) é uma doença crônica caracterizada pela hiperglicemia, que pode causar complicações micro e macrovasculares, como a retinopatia diabética (RD). Na RD, os capilares da retina são danificados, refletindo alterações microvasculares que também podem ocorrer no cérebro, devido à sua origem embrionária comum. A doença de Alzheimer (DA), a principal causa de demência, envolve um declínio cognitivo progressivo, e as alterações microvasculares na RD podem servir como biomarcadores precoces de comprometimento cognitivo relevante para a DA. A identificação de deficiências visuais poderia, portanto, auxiliar na prevenção ou mitigação do risco de demência. Atualmente, a função cognitiva é avaliada principalmente com o Mini Exame do Estado Mental (MMSE). A fotografia de fundo de olho oferece um biomarcador não invasivo e complementar, fornecendo informações indiretas sobre a saúde cerebral. Embora estudos anteriores tenham revisado as ligações entre RD e demência e explorado abordagens de aprendizado profundo, poucos usaram imagens da retina para prever pontuações cognitivas. Este estudo propõe um fluxo de trabalho de aprendizado por transferência, com extração de características de modelos pré-treinados, seguida de regressão linear, para prever as pontuações do MMSE a partir de fotografias de fundo de olho de 54 pacientes com RD. O objetivo é desenvolver um método não invasivo para a avaliação precoce da função cognitiva, preenchendo uma lacuna na literatura.