Histórico: A ressonância magnética (MRI), combinada com técnicas de inteligência artificial, melhorou nossa compreensão das mudanças estruturais cerebrais e permitiu a estimativa da idade cerebral. Distúrbios neurodegenerativos, como a doença de Alzheimer (DA), têm sido associados ao envelhecimento cerebral acelerado. Neste estudo, nosso objetivo foi desenvolver uma estrutura de aprendizado profundo que processa e integra imagens de ressonância magnética para prever com mais precisão a idade cerebral, a função cognitiva e a patologia amilóide.
Métodos: Neste estudo, nosso objetivo foi desenvolver uma estrutura de aprendizado profundo que processa e integra imagens de ressonância magnética para prever com maior precisão a idade cerebral, a função cognitiva e a patologia amiloide. Coletamos mais de 10.000 exames de ressonância magnética ponderados em T1 de mais de 7.000 indivíduos em seis coortes ts. Projetamos uma estrutura multimodal de aprendizado profundo que emprega redes neurais convolucionais 3D para analisar ressonância magnética e redes neurais adicionais para avaliar dados demográficos. Nosso modelo inicial se concentrou na previsão da idade cerebral, servindo como um modelo fundamental a partir do qual desenvolvemos modelos separados para a função cognitiva e predição da placa amilóide por meio do aprendizado por transferência.
Resultados: O modelo de predição da idade cerebral alcançou o erro médio absoluto (MAE) para a população cognitiva normal nos conjuntos de dados ADNI (teste) de 3.302 anos. A diferença entre a idade cerebral prevista e a idade cronológica aumenta significativamente enquanto a cognição diminui. O modelo de predição de cognição exibiu um erro quadrático médio (RMSE) de 0,334 para a tarefa de regressão do Clinical Dementia Rating (CDR), atingindo uma área sob a curva (AUC) de aproximadamente 0,95 na identificação de pacientes com demência. Regiões cerebrais relacionadas à demência, como o lobo temporal medial, foram identificadas por nosso modelo. Finalmente, o modelo de predição da placa amiloide foi treinado para predizer a placa amiloide e alcançou uma AUC de cerca de 0,8 para pacientes com demência.
Conclusões: Essas descobertas indicam que os modelos preditivos atuais podem identificar mudanças sutis na estrutura cerebral, permitindo estimativas precisas da idade cerebral, do estado cognitivo e da patologia amiloide. Esses modelos poderiam facilitar o uso da ressonância magnética como uma ferramenta diagnóstica não invasiva para doenças neurodegenerativas, incluindo a DA.
Palavras-chave: Doença de Alzheimer; Envelhecimento cerebral; Aprendizagem profunda; Ressonância magnética; Reconhecimento de padrões; Aprendizagem por transferência.
