Análise avançada da ressonância magnética na epilepsia para prever o resultado do tratamento cirúrgico: uma abordagem de aprendizado de máquina

Resumo

A previsão de resultados cirúrgicos com base em neuroimagem tem grande importância na prática clínica. Neste projeto, propomos usar abordagens de aprendizado de máquina para 1) executar uma variedade de análises funcionais e estruturais de conjuntos de dados de EEG-fMRI e outras modalidades de RM estrutural e funcional, incluindo técnicas modernas (por exemplo: segmentação de estruturas cerebrais usando abordagens com múltiplos atlas, conectividade funcional dinâmica), para complementar o perfil neurológico de pacientes com epilepsia; e 2) explorar diferentes abordagens de aprendizado de máquina para prever resultados cirúrgicos (favoráveis versus desfavoráveis) com base nas características extraídas. Acreditamos que os resultados podem ajudar a identificar com maior confiabilidade os pacientes que podem se beneficiar da ressecção cirúrgica e revisar cuidadosamente os casos em que o algoritmo desaconselha cirurgia. Além disso, poderemos, a princípio, isolar características ou padrões cerebrais para ajudar na decisão pré-cirúrgica, já que isso é faz parte dos resultados que se obtém com aprendizado de máquina. (AU)