Um novo algoritmo de aprendizagem profunda utiliza dados de neuroimagem para diferenciar entre a doença de Parkinson e outras síndromes parkinsonianas, como PSP e atrofia de múltiplos sistemas.
Fonte: SNMMI
Um novo método de aprendizagem profunda foi criado para auxiliar no diagnóstico de doenças parkinsonianas, de acordo com uma pesquisa publicada antes da impressão pelo The Journal of Nuclear Medicine.
Usando uma rede neural convolucional profunda 3D para extrair índices de imagem metabólica profundas de tomografias PET 18F-FDG, os cientistas podem efetivamente diferenciar entre a doença de Parkinson e outras síndromes parkinsonianas, como atrofia múltipla do sistema e paralisia supranuclear progressiva.
A doença de Parkinson é uma das doenças neurodegenerativas mais comuns. De acordo com a Parkinson's Foundation, mais de 10 milhões de pessoas em todo o mundo vivem com a doença. O diagnóstico preciso da doença de Parkinson é frequentemente um desafio — particularmente nos estágios iniciais — já que seus sintomas se sobrepõem consideravelmente aos de outras síndromes atípicas de parkinsoniano.
"Estudos mostram que 20 a 30% dos pacientes com diagnóstico inicial da doença de Parkinson foram posteriormente demonstrados com atrofia múltipla do sistema ou paralisia supranuclear progressiva após exame patológico", disse Ping Wu, MD, PhD, neuroradiologista do PET Center, Hospital Huashan, Universidade fudan em Xangai, China.
"Portanto, o desenvolvimento de índices precisos para diferenciar as doenças parkinsonianas é de grande importância, especificamente no que diz respeito à determinação de estratégias de tratamento."
Para atingir esse objetivo, os pesquisadores construíram uma rede neural convolucional profunda 3D, conhecida como Rede de Diagnóstico Diferencial de Parkinsonismo (PDD-Net), para identificar automaticamente índices relacionados à imagem que poderiam apoiar o diagnóstico diferencial de doenças parkinsonianas. Este método de aprendizagem profunda foi usado para examinar imagens PET parkinsonianas de dois grupos: mais de 2.100 pacientes da China e 90 pacientes da Alemanha.
"É importante observar os passos que foram dados para melhorar a confiabilidade do estudo", disse Wu. "Utilizamos o maior conjunto de dados de referência de pacientes com parkinsoniano com FDG PET do banco de dados Huashan Parkinsonian PET Imaging em Xangai, China, e realizamos testes extensivos em dados longitudinais. Além disso, estudamos a coorte alemã para incluir dados externos que representem diferentes etnias e protocolos de exame."
Os índices de imagem metabólica profunda extraídos da PDD-Net forneceram um método precoce e preciso para o diagnóstico diferencial das síndromes parkinsonianas, com altas taxas de sensibilidade e especificidade para a doença de Parkinson, atrofia múltipla do sistema e paralisia supranuclear progressiva.
"Este trabalho confirma que a inteligência artificial emergente pode extrair informações aprofundadas da imagem molecular para melhorar a diferenciação da fisiologia complexa", disse Wu. "A tecnologia de aprendizagem profunda pode ajudar os médicos a maximizar a utilidade da imagem de medicina nuclear no futuro."
Author: Rebecca Maxey Source: SNMMI Contact: Rebecca Maxey – SNMMI
“Differential diagnosis of parkinsonism based on deep metabolic imaging indices” by Ping Wu and Yu Zhao, et al. Journal of Nuclear Medicine
Commentaires