Dissertação

Predicting the Conversion from Mild Cognitive Impairment to Alzheimer´s Disease using Evolution Patterns EVALUATED

As evidências de degeneração neurológica tornam-se cada vez mais prováveis de acontecer com o envelhecimento [1,3]. Doença de Alzheimer (DA) é uma doença neuro-degenerativa caracterizada pela deterioração cognitiva progressiva e é a causa mais comum de demência nos idosos. A deficiência cognitiva ligeira (DCL) é um estado que representa o período de transição entre o envelhecimento normal e demência. Assim, é preciso conceder-lhe uma atenção especial por constituir maior risco de evoluir para demência. Assim, a definição desta entidade clínica é fundamental para a administração oportuna de produtos farmacêuticos e intervenções terapêuticas, melhorando a qualidade de vida do paciente. Esta tese pretende prever a evolução de pacientes com DCL para DA considerando duas abordagens: a primeira que assume a evolução semelhante dos pacientes e a segunda que considera os seus perfis. Janelas temporais de dois a cinco anos são usadas para a previsão. Inicialmente foram utilizados métodos de aprendizagem supervisionada e técnicas de selecção de atributos para eficazmente diminuir a dimensionalidade do problema. Posteriormente, algoritmos standard de clustering foram aplicados com o objetivo de estudar potenciais subgrupos de DCL. Os pacientes também foram divididos de acordo com o seu estado de depressão, através de informações clínicas. Os resultados demonstraram a importância de aumentar as janelas temporais na previsão da conversão de pacientes com DCL para DA e que a separação de pacientes de acordo com estados depressivos influencia positivamente os resultados do prognóstico. As análises de clustering validaram a importância do estudo dos subgrupos de DCL em modelos preditivos.
Doença de Alzheimer, DCL, Janelas Temporais, Prognóstico, Classificação, Clustering

dezembro 5, 2014, 9:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

CO-ORIENTADOR

Alexandre Valério de Mendonça

Faculdade de Medicina da Universidade de Lisboa

Investigador Principal

ORIENTADOR

Sara Alexandra Cordeiro Madeira

Departamento de Engenharia Informática (DEI)

Professor Auxiliar