Pesquisadores da Universidade de Toronto e da Universidade América de Puebla desenvolveram um método avançado de aprendizado de máquina para melhorar a detecção da doença de Parkinson usando tecnologia de imagem cerebral que rastreia a atividade cerebral durante o repouso. O estudo, liderado por Gabriel Solana-Lavalle, Ph.D., e colegas, aplicou um algoritmo de aprendizado de máquina florestal causal para analisar padrões de atividade cerebral, fornecendo uma maneira altamente precisa de identificar a doença de Parkinson e, ao mesmo tempo, revelando as regiões cerebrais mais afetadas pela doença. As descobertas foram publicadas na revista Tomography.
Solana-Lavalle, juntamente com o professor Michael Cusimano, o Dr. Thomas Steeves, o professor Roberto Rosas-Romero e o Dr. Pascal Tyrrell, projetaram um modelo de aprendizado de máquina que processa dados de varredura cerebral para classificar com precisão as pessoas com doença de Parkinson. “Nossa abordagem se concentra em uma combinação única de redução de dados desnecessários, garantindo ao mesmo tempo que ainda temos uma compreensão clara de quais regiões do cérebro são afetadas pela doença de Parkinson”, explica o Dr. Solana-Lavalle.
A equipe analisou dados do Projeto de Marcadores de Progressão da Doença de Parkinson e dados de controle adicionais de outro banco de dados público que coleta dados de varredura cerebral de vários locais de pesquisa. Eles processaram varreduras cerebrais de mais de 200 indivíduos, aplicando florestas causais e algoritmos de seleção de subconjuntos de recursos para filtrar ruídos e informações desnecessárias e focar nas regiões cerebrais mais intimamente associadas à doença de Parkinson, otimizando o desempenho do classificador.
Para gerenciar variações na qualidade dos dados e nas condições de aquisição, a equipe utilizou técnicas avançadas de processamento de dados, incluindo alinhamento e normalização de imagens. “Essa abordagem baseada em dados fornece insights interpretáveis sobre regiões cerebrais intimamente associadas à doença de Parkinson, o que pode ajudar os médicos a compreender melhor a progressão da doença e a desenvolver tratamentos personalizados”, acrescentou o Dr. Solana-Lavalle.
O estudo descobriu que os pacientes com doença de Parkinson apresentaram alterações significativas em regiões específicas do cérebro em comparação com controles saudáveis. O algoritmo Causal Forest classifica essas regiões com base em sua correlação, permitindo o uso de ferramentas estatísticas para visualizar e interpretar padrões de ativação que distinguem a doença de Parkinson de grupos não afetados. O método funciona em diferentes populações, mostrando alta precisão tanto para homens quanto para mulheres.
O potencial desta abordagem vai além do diagnóstico e pode fornecer insights sobre como a doença de Parkinson afeta diferentes regiões do cérebro. O método também identificou correlações entre a ativação de certas regiões cerebrais e o componente motor do UPDRS, ferramenta de avaliação clínica que mede diversas funções motoras.
Este estudo estabelece as bases para pesquisas futuras que visam melhorar os modelos de aprendizado de máquina para outras doenças neurodegenerativas. Ao enfatizar a interpretabilidade e o desempenho, a abordagem poderia ajudar os médicos a diagnosticar a doença de Parkinson de forma mais eficaz e a compreender o seu impacto diferencial nos pacientes.
A pesquisa representa um grande avanço na aplicação do aprendizado de máquina a imagens médicas e detecção de doenças neurodegenerativas. No futuro, o Dr. Solana-LaValle e sua equipe planejam expandir sua abordagem para incluir estudos de longo prazo, na esperança de acompanhar a progressão da doença de Parkinson ao longo do tempo.
Referência do diário
Solana-Lavalle, G., Cusimano, MD, Steeves, T., Rosas-Romero, R., & Tyrrell, PN (2024). “Análise de aprendizado de máquina de floresta causal da doença de Parkinson em imagens de ressonância magnética funcional em estado de repouso.” Tomografia. Número digital: https://doi.org/10.3390/tomography10060068
Sobre o autor
Gabriel Solana-Laval Obtenha um Ph.D. em Sistemas Inteligentes pela Universidad Interamericana Puebla, México, em 2023. Seus interesses de pesquisa incluem processamento de sinais, análise de imagens médicas, previsão e aprendizado de máquina. Em 2022, ele será estudante visitante internacional de pós-graduação no Instituto de Ciências Médicas da Universidade de Toronto. Atualmente trabalha com parceiros da indústria em projetos que visam desenvolver e implementar tecnologias inovadoras para processamento de sinais em imagens médicas.
Pascal Tyrrellé um cientista de dados talentoso e diretor de ciência de dados e professor associado do Departamento de Imagens Médicas da Universidade de Toronto. Ele fundou o programa de ciência de dados MiDATA e ocupa cargos no Instituto de Ciências Médicas e no Departamento de Ciências Estatísticas. Sua pesquisa aplica inteligência artificial inovadora à análise de imagens médicas para melhorar os resultados de saúde. Pascal também é um empreendedor em série com vasta experiência em software de computador, equipamentos médicos e tecnologia agrícola.
Professor Roberto Rosas-Romero em engenharia elétrica pela Universidade de Washington. Ele atua como professor do Departamento de Engenharia Elétrica e de Computação da Universidade Interamericana de Puebla (México). Ele é professor visitante do Departamento de Radiologia Diagnóstica da Universidade de Yale. Ele foi bolsista Fulbright duas vezes, como estudante na Universidade de Washington e como professor visitante na Universidade de Yale. Seus interesses de pesquisa incluem processamento de sinais, visão computacional, reconhecimento de padrões, aprendizado de máquina e análise de imagens médicas. Sua pesquisa tem sido aplicada à segmentação de imagens de ultrassom, detecção de incêndios florestais em sinais de vídeo, detecção de microaneurismas em imagens de fundo de olho para auxiliar no diagnóstico de retinopatia diabética, previsão de crises epilépticas com base em ondas cerebrais, detecção de surdez no choro de recém-nascidos, detecção de microcalcificações em mamografias, detecção da doença de Parkinson por análise de som, classificação de imagens de ressonância magnética para auxiliar no diagnóstico da doença de Parkinson, classificação de queimaduras de pele em imagens coloridas.
Michael D. Cusimano é neurocirurgião e professor de neurocirurgia e ciências da saúde pública na Universidade de Toronto. Como o primeiro cirurgião da base do crânio com treinamento formal no Canadá, em 1993 ele desenvolveu a cirurgia endoscópica total binarina, agora usada em todo o mundo. Seus trabalhos publicados incluem três livros, incluindo o Handbook of Skull Base Surgery, de coautoria, e mais de 450 publicações cobrindo todas as áreas da neurocirurgia, desde a ciência básica até os resultados clínicos. Ele não é apenas um dos neurocirurgiões mais importantes e populares do país, mas também é um especialista reconhecido internacionalmente em lesões cerebrais traumáticas, cujo trabalho ajudou a mudar a compreensão pública sobre concussões e contribuiu para mudanças de políticas e regras em todos os níveis do esporte em todo o mundo. O seu trabalho altamente colaborativo também enfatiza a importância da avaliação da qualidade de vida dos pacientes e a importância de utilizar as mais recentes análises de dados avançadas ao longo de uma carreira, particularmente na aplicação de medição, inteligência artificial e geografia à medicina. Michael’s Hospital, atuou como diretor nacional de pesquisa e vice-presidente da Think First National Injury Prevention Foundation por mais de uma década, liderou a equipe canadense de lesões cerebrais traumáticas e violência do CIHR, foi consultor científico sobre concussões da Brain Trauma Foundation e foi membro da Academia Canadense de Ciências da Saúde, reconhecido por suas contribuições à cirurgia e impacto nas políticas públicas nacional e internacionalmente. Ele possui doutorado em educação, avançou no desenvolvimento de modelos de educação e avaliação médico-cirúrgica e continuou a educar o público em geral, bem como a atual geração de médicos e neurocirurgiões que contribuem para a área. Ele é um defensor declarado da saúde cerebral e da prevenção de lesões cerebrais.
