DIAGNÓSTICO DO TDAH: MÉTODO EFICIENTE BASEADO EM REDES FUNCIONAIS E APRENDIZADO DE MÁQUINA
TDAH; SPECT; regiões de interesse; ressonância magnética; aprendizado de máquina.
O transtorno de déficit de atenção e hiperatividade (TDAH) é um distúrbio neurobiológico, onde o paciente sofre de um padrão persistente de desatenção e/ou hiperatividade-impulsividade, que lhe traz prejuízos em vários ambientes, na vida acadêmica, pessoal e profissional. Considera-se também como um dos transtornos mais heterogêneos, podendo ocorrer simultaneamente com outros transtornos, e ainda possui três subtipos/apresentações possíveis: predominantemente desatento, predominantemente hiperativo-impulsivo, e o subtipo combinado. Assim como acontece em outros distúrbios neuropsiquiátricos, seu diagnóstico baseia-se em métodos cujos critérios de avaliação são subjetivos, sujeitos a inconsistências, gerando questionamentos sobre sua confiabilidade. Consequentemente, esse problema se estende à pesquisa do transtorno, considerando que bases de dados cujas elaborações se basearam nesses métodos, podem estar impregnadas com ruídos na rotulação do diagnóstico. Além disso, os pacientes e suas famílias sofrem com um processo investigativo demorado para se chegar ao diagnóstico. No entanto, já existem evidências de que alterações cerebrais capturadas em imagens rs-fMRI (ressonância magnética funcional em estado de repouso) e SPECT (tomografia computadorizada de emissão de fóton único) de indivíduos com a condição, podem ajudar na busca por novos métodos diagnósticos. Em paralelo, a conectividade funcional alterada em redes funcionais tem sido frequentemente observada no TDAH. Por isso, com a premissa de traduzir achados sobre o transtorno para a prática clínica, e suscitar opções diagnósticas mais ágeis e confiáveis, o objetivo principal deste trabalho é propor um método eficiente para diagnosticar o TDAH. Um de seus diferenciais é a combinação inédita das modalidades de imagens SPECT cerebral e rs-fMRI. Para tanto, a abordagem utiliza dados de ROIs/redes do controle executivo e sistema límbico, conectividade funcional, métodos de aprendizado de máquina, e técnicas estatísticas. Logo, espera-se que o método se torne um aliado na prática clínica, complementando e embasando os diagnósticos pelos métodos tradicionais, onde os futuros laudos informarão o valor predito versus o valor de referência. Sua simplicidade, permite a adição de outras modalidades de imagens, reforçando a confiabilidade em um possível diagnóstico automatizado. Acredita-se também ser extensível à investigação de outros distúrbios neuropsiquiátricos, bastando adaptá-lo a ROIs/redes e um banco de imagens específicos.