FenixEdu™

Dissertação

Medical neuroimage consolidation from a grid of hospitals for the external validation of predictive models EVALUATED

Detalhes: O diagnóstico da doença de Alzheimer só é obtido com 100% de certeza com um exame microscópico post-mortem detalhado do cérebro. As abordagens de Machine Learning são cada vez mais utilizadas no desenvolvimento de modelos preditivos para o diagnóstico precoce da doença de Alzheimer. Os principais problemas com tais modelos são a falta de interpretabilidade no final clínico e a falta de generalização dos referidos modelos devido à heterogeneidade das fontes de dados (instrumentação, protocolos de monitoramento, dados demográficos individuais). Para lidar com essas questões, este trabalho propõe uma ferramenta multi-diagnóstico, multi-lugar, clinicamente interpretável usando imagens de ressonância magnética. Além disso, apresenta as etapas para a consolidação dos dados onde as ressonâncias magnéticas são extraídas de fontes heterogêneas e anonimizadas a fim de manter o anonimato dos pacientes submetidos ao estudo. Além disso, o desempenho dos modelos é validado externamente em dados obtidos de forma independente de acordo com diferenças temporais, geográficas e/ou de domínio. Os modelos não generalizaram bem para a população-alvo tal como generalizaram para os dados originais. Das três classes possíveis, a classe Control apresentou o pior resultado, retornando 100% de precisão, mas apenas 16% de recall. As classes MCI e AD retornaram resultados semelhantes de precisão, 29% e 30% respectivamente, no entanto, a classe AD teve 83% de recall, enquanto o MCI apenas 43%. As observações recolhidas confirmam a dificuldade de realizar diagnósticos de neuroimagens ao abrigo dos diferentes protocolos de monitorização, classificações médicas, e demografia populacional.
Keywords: Imagem por Ressonância Magnética, Doença de Alzheimer, Défice cognitivo leve, Validação externa, Consolidação de dados.

Discussão: novembro 25, 2021, 18:0