Proposta de modelo conceitual de algoritmo multimodal para aplicação de inteligência artificial no rastreamento de sinais neuroradiológicos cerebrais de lipofuscinose ceroide neuronal tipo 2 em imagens de ressonância magnética

Detalhes bibliográficos
Autor(a) principal: Santos, Debora Mesojedovas
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/265115
Resumo: A lipofuscinose neuronal ceroide tipo 2 (CLN2) é uma doença neuropediátrica rara, de rápida evolução e que, se não tratada precocemente, leva ao estado vegetativo crônico persistente aos 8-10 anos de idade. Logo, seu diagnóstico precoce é fundamental para um melhor prognóstico do paciente. A suspeita clínica da CLN2 pode ser inicialmente investigada por uma série de exames, incluindo a ressonância magnética nuclear (RMN) cerebral, que pode ter seu tempo de análise otimizado por meio da inteligência artificial (IA). Para tanto, foi realizada uma revisão sistemática da literatura com meta-análise para conhecer e pontuar matematicamente os sinais clínicos e neuroradiológicos mais frequentes na CLN2 e, com isso, construir um modelo conceitual de algoritmo multimodal que usará IA no rastreamento de sinais neuroradiológicos cerebrais da doença em imagens de RMN. 68 estudos únicos incluídos na revisão sistemática reportaram desfechos de 1.071 pacientes. Destes estudos, 33 foram meta-analisados (n=930 pacientes). Os achados neuroradiológicos mais frequentes foram: diminuição hipocampal (fenótipo típico), com proporção agrupada de 84% (Intervalo de confiança, IC, 95% 0.70-0.92; I2=76%, p<0.01; 19 estudos; n= 355), atrofia cerebelar, com proporção agrupada de 84% (IC 95% 0.70-0.92; I2=76%, p<0.01; 19 estudos; n= 355) e atrofia cortical, com proporção agrupada de 77% (IC 95% 0.58-0.89; I2=78%, p<0.01; 21 estudos; n=407). Os desfechos clínicos mais frequentes foram: epilepsia/convulsão, com proporção agrupada de 80% (IC 95% 0.70-0.88; I2=81%, p<0.01; 29 estudos; n=828), mioclonia, com proporção agrupada de 70% (IC 95% 0.40-0.89; I2=80%, p<0.01; n=160) e ataxia, com proporção agrupada de 59% (IC 95% 0.37-0.78; I2=79%, p<0.01; 14 estudos; n=264). O algoritmo multimodal foi conceituado e poderá ser testado com mínimo de 30 imagens. Também foi elaborado um plano de aplicabilidade que propõe a aplicação do modelo conceitual no sistema público de saúde no Brasil, visando o encurtamento da jornada diagnóstica do paciente com CLN2.
id URGS_389ebc1a5b5499d3bbd45789b59949ab
oai_identifier_str oai:www.lume.ufrgs.br:10183/265115
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Santos, Debora MesojedovasMatte, Ursula da Silveira2023-09-23T03:36:28Z2023http://hdl.handle.net/10183/265115001175453A lipofuscinose neuronal ceroide tipo 2 (CLN2) é uma doença neuropediátrica rara, de rápida evolução e que, se não tratada precocemente, leva ao estado vegetativo crônico persistente aos 8-10 anos de idade. Logo, seu diagnóstico precoce é fundamental para um melhor prognóstico do paciente. A suspeita clínica da CLN2 pode ser inicialmente investigada por uma série de exames, incluindo a ressonância magnética nuclear (RMN) cerebral, que pode ter seu tempo de análise otimizado por meio da inteligência artificial (IA). Para tanto, foi realizada uma revisão sistemática da literatura com meta-análise para conhecer e pontuar matematicamente os sinais clínicos e neuroradiológicos mais frequentes na CLN2 e, com isso, construir um modelo conceitual de algoritmo multimodal que usará IA no rastreamento de sinais neuroradiológicos cerebrais da doença em imagens de RMN. 68 estudos únicos incluídos na revisão sistemática reportaram desfechos de 1.071 pacientes. Destes estudos, 33 foram meta-analisados (n=930 pacientes). Os achados neuroradiológicos mais frequentes foram: diminuição hipocampal (fenótipo típico), com proporção agrupada de 84% (Intervalo de confiança, IC, 95% 0.70-0.92; I2=76%, p<0.01; 19 estudos; n= 355), atrofia cerebelar, com proporção agrupada de 84% (IC 95% 0.70-0.92; I2=76%, p<0.01; 19 estudos; n= 355) e atrofia cortical, com proporção agrupada de 77% (IC 95% 0.58-0.89; I2=78%, p<0.01; 21 estudos; n=407). Os desfechos clínicos mais frequentes foram: epilepsia/convulsão, com proporção agrupada de 80% (IC 95% 0.70-0.88; I2=81%, p<0.01; 29 estudos; n=828), mioclonia, com proporção agrupada de 70% (IC 95% 0.40-0.89; I2=80%, p<0.01; n=160) e ataxia, com proporção agrupada de 59% (IC 95% 0.37-0.78; I2=79%, p<0.01; 14 estudos; n=264). O algoritmo multimodal foi conceituado e poderá ser testado com mínimo de 30 imagens. Também foi elaborado um plano de aplicabilidade que propõe a aplicação do modelo conceitual no sistema público de saúde no Brasil, visando o encurtamento da jornada diagnóstica do paciente com CLN2.Neuronal ceroid lipofuscinosis type 2 (CLN2) is a rare and rapidly progressing pediatric brain disorder that, if not treated early, leads to a persistent chronic vegetative state at 8-10 years of age. Therefore, its early diagnosis is fundamental for a better patient prognosis. The clinical suspicion of CLN2 can be initially investigated by a series of exams, including magnetic resonance imaging (MRI) of the brain, whose analysis time can be optimized through artificial intelligence (IA). To this end, a systematic review with meta-analysis of the literature was carried out to know and mathematically score the most frequent clinical and neuroradiological signs in CLN2 and, with that, build a conceptual model of a multimodal algorithm that will use AI to track neuroradiological signs brains of the disease on MRI images. 68 unique studies included in the systematic review reported outcomes for 1071 patients. Of these studies, 33 were meta-analyzed (n=930 patients). The most frequent neuroradiological findings were: reduced hippocampal volume (typical phenotype), with a pooled proportion of 84% (95% confidence interval, CI, 0.70-0.92; I2=76%, p<0.01; 19 studies; n=355), cerebellar atrophy, with a pooled proportion of 84% (95% CI 0.70-0.92; I2=76%, p<0.01; 19 studies; n= 355) and cortical atrophy, with a pooled proportion of 77% (95% CI 0.58- 0.89; I2=78%, p<0.01; 21 studies; n=407). The most frequent clinical outcomes were epilepsy/seizure, with a pooled proportion of 80% (95% CI 0.70-0.88; I2=81%, p<0.01; 29 studies; n=828), myoclonus, with a pooled proportion of 70% (95% CI 0.40-0.89; I2=80%, p<0.01; n=160) and ataxia, with a pooled proportion of 59% (95% CI 0.37-0.78; I2=79%, p<0.01; 14 studies; n=264). The multimodal algorithm was conceptualized and can be tested with a minimum of 30 images. A usability plan was also prepared that proposes the application of the conceptual model in the public health system in Brazil, aiming at shortening the diagnostic journey of the patient with CLN2.application/pdfporInteligência artificialDoenças rarasLipofuscinoses ceróides nueronaisImagem por ressonância magnéticaArtificial intelligenceRare diseaseNeuronal ceroid lipofuscinosis type 2CLN2Magnetic resonance imagingProposta de modelo conceitual de algoritmo multimodal para aplicação de inteligência artificial no rastreamento de sinais neuroradiológicos cerebrais de lipofuscinose ceroide neuronal tipo 2 em imagens de ressonância magnéticainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisHospital de Clínicas de Porto AlegrePrograma de Pós-Graduação em Pesquisa ClínicaPorto Alegre, BR-RS2023mestrado profissionalinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001175453.pdf.txt001175453.pdf.txtExtracted Texttext/plain173993http://www.lume.ufrgs.br/bitstream/10183/265115/2/001175453.pdf.txt43a9b249f49e7620fae9a1b74be1e42aMD52ORIGINAL001175453.pdfTexto completoapplication/pdf5285622http://www.lume.ufrgs.br/bitstream/10183/265115/1/001175453.pdf45058830fc82d5a20eaad345cdffc03dMD5110183/2651152023-09-24 03:38:45.926345oai:www.lume.ufrgs.br:10183/265115Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532023-09-24T06:38:45Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Proposta de modelo conceitual de algoritmo multimodal para aplicação de inteligência artificial no rastreamento de sinais neuroradiológicos cerebrais de lipofuscinose ceroide neuronal tipo 2 em imagens de ressonância magnética
title Proposta de modelo conceitual de algoritmo multimodal para aplicação de inteligência artificial no rastreamento de sinais neuroradiológicos cerebrais de lipofuscinose ceroide neuronal tipo 2 em imagens de ressonância magnética
spellingShingle Proposta de modelo conceitual de algoritmo multimodal para aplicação de inteligência artificial no rastreamento de sinais neuroradiológicos cerebrais de lipofuscinose ceroide neuronal tipo 2 em imagens de ressonância magnética
Santos, Debora Mesojedovas
Inteligência artificial
Doenças raras
Lipofuscinoses ceróides nueronais
Imagem por ressonância magnética
Artificial intelligence
Rare disease
Neuronal ceroid lipofuscinosis type 2
CLN2
Magnetic resonance imaging
title_short Proposta de modelo conceitual de algoritmo multimodal para aplicação de inteligência artificial no rastreamento de sinais neuroradiológicos cerebrais de lipofuscinose ceroide neuronal tipo 2 em imagens de ressonância magnética
title_full Proposta de modelo conceitual de algoritmo multimodal para aplicação de inteligência artificial no rastreamento de sinais neuroradiológicos cerebrais de lipofuscinose ceroide neuronal tipo 2 em imagens de ressonância magnética
title_fullStr Proposta de modelo conceitual de algoritmo multimodal para aplicação de inteligência artificial no rastreamento de sinais neuroradiológicos cerebrais de lipofuscinose ceroide neuronal tipo 2 em imagens de ressonância magnética
title_full_unstemmed Proposta de modelo conceitual de algoritmo multimodal para aplicação de inteligência artificial no rastreamento de sinais neuroradiológicos cerebrais de lipofuscinose ceroide neuronal tipo 2 em imagens de ressonância magnética
title_sort Proposta de modelo conceitual de algoritmo multimodal para aplicação de inteligência artificial no rastreamento de sinais neuroradiológicos cerebrais de lipofuscinose ceroide neuronal tipo 2 em imagens de ressonância magnética
author Santos, Debora Mesojedovas
author_facet Santos, Debora Mesojedovas
author_role author
dc.contributor.author.fl_str_mv Santos, Debora Mesojedovas
dc.contributor.advisor1.fl_str_mv Matte, Ursula da Silveira
contributor_str_mv Matte, Ursula da Silveira
dc.subject.por.fl_str_mv Inteligência artificial
Doenças raras
Lipofuscinoses ceróides nueronais
Imagem por ressonância magnética
topic Inteligência artificial
Doenças raras
Lipofuscinoses ceróides nueronais
Imagem por ressonância magnética
Artificial intelligence
Rare disease
Neuronal ceroid lipofuscinosis type 2
CLN2
Magnetic resonance imaging
dc.subject.eng.fl_str_mv Artificial intelligence
Rare disease
Neuronal ceroid lipofuscinosis type 2
CLN2
Magnetic resonance imaging
description A lipofuscinose neuronal ceroide tipo 2 (CLN2) é uma doença neuropediátrica rara, de rápida evolução e que, se não tratada precocemente, leva ao estado vegetativo crônico persistente aos 8-10 anos de idade. Logo, seu diagnóstico precoce é fundamental para um melhor prognóstico do paciente. A suspeita clínica da CLN2 pode ser inicialmente investigada por uma série de exames, incluindo a ressonância magnética nuclear (RMN) cerebral, que pode ter seu tempo de análise otimizado por meio da inteligência artificial (IA). Para tanto, foi realizada uma revisão sistemática da literatura com meta-análise para conhecer e pontuar matematicamente os sinais clínicos e neuroradiológicos mais frequentes na CLN2 e, com isso, construir um modelo conceitual de algoritmo multimodal que usará IA no rastreamento de sinais neuroradiológicos cerebrais da doença em imagens de RMN. 68 estudos únicos incluídos na revisão sistemática reportaram desfechos de 1.071 pacientes. Destes estudos, 33 foram meta-analisados (n=930 pacientes). Os achados neuroradiológicos mais frequentes foram: diminuição hipocampal (fenótipo típico), com proporção agrupada de 84% (Intervalo de confiança, IC, 95% 0.70-0.92; I2=76%, p<0.01; 19 estudos; n= 355), atrofia cerebelar, com proporção agrupada de 84% (IC 95% 0.70-0.92; I2=76%, p<0.01; 19 estudos; n= 355) e atrofia cortical, com proporção agrupada de 77% (IC 95% 0.58-0.89; I2=78%, p<0.01; 21 estudos; n=407). Os desfechos clínicos mais frequentes foram: epilepsia/convulsão, com proporção agrupada de 80% (IC 95% 0.70-0.88; I2=81%, p<0.01; 29 estudos; n=828), mioclonia, com proporção agrupada de 70% (IC 95% 0.40-0.89; I2=80%, p<0.01; n=160) e ataxia, com proporção agrupada de 59% (IC 95% 0.37-0.78; I2=79%, p<0.01; 14 estudos; n=264). O algoritmo multimodal foi conceituado e poderá ser testado com mínimo de 30 imagens. Também foi elaborado um plano de aplicabilidade que propõe a aplicação do modelo conceitual no sistema público de saúde no Brasil, visando o encurtamento da jornada diagnóstica do paciente com CLN2.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-09-23T03:36:28Z
dc.date.issued.fl_str_mv 2023
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/265115
dc.identifier.nrb.pt_BR.fl_str_mv 001175453
url http://hdl.handle.net/10183/265115
identifier_str_mv 001175453
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/265115/2/001175453.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/265115/1/001175453.pdf
bitstream.checksum.fl_str_mv 43a9b249f49e7620fae9a1b74be1e42a
45058830fc82d5a20eaad345cdffc03d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1810085629252337664