Banca de QUALIFICAÇÃO: ALICIA RAFAELA MARTINEZ ACCIOLY

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : ALICIA RAFAELA MARTINEZ ACCIOLY
DATA : 28/03/2022
LOCAL: posneuro
TÍTULO:

IMPLEMENTAÇÃO DA ANÁLISE RADIÔMICA NAS IMAGENS DE RESSONÂNCIA MAGNÉTICA DO NEOSTRIADO EM INDIVÍDUOS COM DOENÇA DE PARKINSON


PALAVRAS-CHAVES:

Imagem por ressonância magnética; Doença de Parkinson;
Neostriado; Inteligência Artificial.


PÁGINAS: 69
RESUMO:

Introdução: até o momento, o diagnóstico da doença de Parkinson in vivo é clínico e
tardio no processo neurodegenerativo. É resultado da morte de neurônios na pars
compacta da substância negra, os quais projetam terminais axonais para o núcleo
caudado e o putâmen, região do telencéfalo onde pesquisas recentes têm mostrado
que as alterações ocorram mais precocemente. A inteligência artificial, por meio da
radiômica, mostra-se como um caminho promissor na medicina. Já aplicadas à
oncologia, tem potencial no campo das doenças neurodegenerativas, associada a
técnicas quantitativas de imagem, dentre as quais, a ressonância magnética.
Objetivos: investigar atributos radiômicos do neostriado a partir de imagens de
ressonância magnética que possam apresentar boa acurácia com o diagnóstico
clínico da doença de Parkinson e correlacioná-los com os dados clínicos. Método:
desenvolveu-se um estudo retrospectivo, caso-controle, com amostra de
conveniência composta de 73 pacientes com doença de Parkinson de início precoce
e 22 indivíduos saudáveis, extraída do consórcio internacional Parkinson’s
Progression Markers Initiative. Foram coletados dados clínicos, escala unificada de
avaliação da doença de Parkinson, escala de Hoehn & Yahr e a avaliação cognitiva
Montreal. A segmentação automática e o cálculo do volume do putâmen e do núcleo
caudado, foram feitas utilizando o software Freesurfer, a partir de imagens de
ressonância magnética, com sequências ponderadas em T1 e por tensor de difusão.
A mineração das características radiômicas foi realizada através do software Weka,
com os métodos de classificação supervisionados Support Vector Machine e Random
Forest. Para análise dos dados clínicos utilizou-se o software SPSS Statistics.
Resultados: O Support Vector Machine obteve concordância de classificação entre
os grupos de 52,95% (coeficiente Kappa de 0,061) e o método Random Forest obteve
uma concordância maior, de 82,22% (Kappa de 0,644), considerada uma
confiabilidade moderada neste último caso. As correlações entre os dados clínicos e
o atributo radiômico de volume do neoestriado apresentaram relações inversamente
significantes entre o volume do putamen direito e os escores da parte Ib (coeficiente
de Spearman de -0,249 e p=0,034), da parte III (coeficiente de Spearman de -0,277 e
p = 0,018) e total (coeficiente de Spearman de -0,269 e p = 0,031) do UPDRS, apenas
no grupo dos indivíduos com DP. Conclusão: A radiômica pode, portanto, contribuir
para o diagnóstico da DP precoce e estar relacionadas a escores de avaliações de
comprometimento clínico. Como continuidade serão extraídos outros atributos e a
mesma análise será realizada.


MEMBROS DA BANCA:
Externo ao Programa - 1293496 - MARIO LUCIANO DE MELO SILVA JUNIOR
Presidente - 1461329 - SANDRA LOPES DE SOUZA
Externa à Instituição - SIMONE CRISTINA SOARES BRANDAO - UFPE
Notícia cadastrada em: 24/03/2022 15:22
SIGAA | Superintendência de Tecnologia da Informação (STI-UFPE) - (81) 2126-7777 | Copyright © 2006-2025 - UFRN - sigaa02.ufpe.br.sigaa02