Esquema computacional automático para a detecção, identificação e classificação de alterações estruturais cerebrais em imagens de ressonância magnética para auxílio ao diagnóstico de pacientes com comprometimento cognitivo leve e Doença de Alzheimer leve

Resumo

A Doença de Alzheimer (DA) é a causa mais comum de demência na população mundial, representando cerca de 60% de todos os casos e afetando 20% da população com mais de 80 anos de idade. Ela é uma doença degenerativa irreversível que causa a perda da função mental devido à deterioração do tecido cerebral. A DA pode afetar pessoas de maneiras diferentes e seus sintomas têm desenvolvimento gradual. Os mais comuns incluem a dificuldade de se lembrar de novas informações, em resolver problemas simples e completar tarefas rotineiras em casa. O imageamento por Ressonância Magnética (RM) tem sido utilizado na prática clínica para auxiliar no diagnóstico e acompanhamento da DA devido ao seu excelente contraste entre os tecidos moles e sua capacidade de fornecer informações sobre a forma e a estrutura dos órgãos, permitindo, assim, a detecção de alterações induzidas pela doença no cérebro e a determinação do seu estágio. Atualmente, o principal foco das pesquisas é a detecção da DA em seu estágio inicial, visto que, neste caso, os tratamentos para prevenir ou retardar o aparecimento dos sintomas são muito mais eficazes. Porém, comparada à detecção da DA, a predição da doença no estágio de Comprometimento Cognitivo Leve (CCL) implica em um desafio ainda maior, uma vez que as alterações anatômicas, neste caso, são mais sutis. Portanto, a pesquisa e o desenvolvimento de técnicas computacionais automáticas para a classificação das imagens de RM em Cognitivamente Normais (CN), CCL e DA são essenciais para reduzir o tempo de diagnóstico e acelerar o desenvolvimento de novas terapias para ajudar a retardar ou prevenir o desenvolvimento de DA. Neste cenário, esta proposta de pesquisa tem como objetivo principal desenvolver uma técnica computacional automática capaz de detectar mudanças estruturais nas imagens de RM e utilizá-las para classificar as imagens em uma das seguintes classes: CN, CCL ou DA leve. (AU)