FenixEdu™

Dissertação

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

Detalhes: {pt=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. , en=Declines in cognitive functions, together with other evidences of neurological degeneration, become increasingly likely as healthy people age [1,3]. Alzheimer´s Disease (AD) is a neurodegenerative disease characterized by progressive deterioration of cognitive function and is the most common cause of dementia in elderly people. Mild Cognitive Impairment is considered a prodromal state that represents the transitional period between normal ageing and dementia. As such is regarded with special attention since it represents higher risk to evolve to dementia. Thus, the definition of this clinical entity is fundamental to the timely administration of pharmaceutics and therapeutic interventions, improving patient’s quality of life. This thesis intends to predict the evolution of MCI patients to AD considering two approaches: the first where all patients are assumed to evolve similarly and the second where patient profiles are considered. Time windows for two to five years are used for prediction. Initially, we used supervised learning methods, using feature selection to effectively decrease the dimensionality of the problem. Then, standard clustering algorithms were applied with the purpose of studying the potential existence of MCI subtypes. The patients were also divided according to their state of depression, based on clinical information. The results demonstrated the importance of considering longer time interval to predict conversion of MCI patients to AD and that the grouping of patients according to their depressive symptoms influences positively the prognosis results. The clustering analyses validated the importance to study MCI subgroups considering the different characteristics of this clinical entity in the prediction models. }
Keywords: {pt=Doença de Alzheimer, DCL, Janelas Temporais, Prognóstico, Classificação, Clustering, en=Alzheimer´s Disease, MCI, Temporal Window, Prognosis, Classification, Clustering.}

Discussão: dezembro 5, 2014, 9:0