Sistemas inteligentes para diagnóstico não invasivo da Doença de Alzheimer usando imagens MRI

Abstract

O interesse na Doença de Alzheimer (DA) está focado, cada vez mais, no seu diagnóstico preciso a fim de iniciar mais brevemente os tratamentos possíveis na tentativa de retardar a progressão da doença. No entanto, as alterações neuropatológicas, lesões no tecido cerebral, podem aparecer antes mesmo que os sintomas clínicos se apresentem. Como consequência, considerar somente as análises e medições clínicas que costumam avaliar o prejuízo cognitivo pode não ser suficiente para um diagnóstico de DA de modo preciso, pois como foi dito, nessa fase a doença pode apresentar-se assintomática ou muito leve. Sendo assim, torna-se interessante o uso de métodos de diagnóstico mais sensíveis, como a busca de marcadores biológicos e exames de neuroimagens, como forma de auxílio ao diagnóstico clínico, baseado puramente em testes cognitivos, que direcionam o julgamento feito pelo médico em que são consideradas as características individuais de cada paciente, e então são avaliadas as suas funções cognitivas, geralmente prejudicadas nessa patologia, como atenção e memória por exemplo. Tendo a DA como característica uma degeneração neuroanatômica progressiva, é possível diagnosticar com uma boa precisão a doença por meio de exames por imagem de ressonância magnética (RMI). Através de imagens de RMI é possível visualizar, à nível estrutural, a extensão e padrão de lesões cerebrais (globais ou em áreas focais, como o hipocampo). As técnicas de Aprendizado de Máquina têm se mostrado bastante adequadas para construir ferramentas automatizadas de apoio ao diagnóstico por imagem, além de ter um baixo custo computacional para o treinamento. Este projeto propõe o uso de ferramentas dessa natureza para investigar atributos que possam representar imagens RMI. Posteriormente, o trabalho propõe desenvolver um sistema inteligente para apoio ao diagnóstico não invasivo, da doença de Alzheimer por meio de uma análise automatizada. No processo de validação e teste foi utilizada a base pública MIRIAD, que disponibiliza imagens de MRI. Com a proposta desenvolvida neste estudo os melhores resultados obtidos para a acurácia foram de 95.81% e 93.62%.