Convergência multimodal em neurorradiologia: aplicações na epilepsia generalizada idiopática
Bibliographic record
Abstract
A quantidade de dados que se pode gerar a partir de exames de neuroimagem atualmente é significativa e o processamento e a interpretação desses custosa. Com o intuito de otimizar e potencializar os achados a inteligência artificial vem sendo empregada cada vez mais como ferramenta de apoio médico. O objetivo do estudo é desenvolver e aplicar uma nova metodologia de análise de neuroimagens de Ressonância Magnética (RM) para descrever áreas de alteração, descrever áreas onde há alteração da anisotropia fracionada (imagem de tensor de difusão - DTI) ou da taxa de transferência de magnetização (imagem de transferência de magnetização - MTR e investigar alterações por meio de RMF, além de comparar a análise de convergência dos dados com as análises isoladas dos parâmetros anteriormente descritos. Essa nova metodologia de análise será empregada em dados de estudo com desenho tipo casocontrole de pacientes com epilepesia genereliazada idiopática (IGE), acompanhados no Ambulatório de Epilepsia (ANEP) do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo (HCFMUSP), em uma análise retrospectiva. Os exames foram realizados no Instituto de Radiologia (INRAD) do HCFMUSP de 2012 a outubro de 2017, em aparelho de 3 Tesla. As diferentes técnicas de imagem de RM utilizadas foram primeiramente processadas em respectivos softwares considerados estado da arte no momento, a análise de morfometria por meio do FREESURFER (http://surfer.nmr.mgh.harvard.edu) e DTI, MTR e RMF pelo FSL (htt://fsl.fmrib.ox.ac.uk/fsl), e posteriormente registradas e normalizadas para um atlas (MNI - Montreal Neurology Institute). Com as informações de registro e normalização e por meio de máscaras obtivemos dados das neuroimagens, as subdividindo em múltiplas estruturas corticais e subcorticais, e os comparamos, avaliando as diferenças dos dados dentro de cada técnica utilizada e posteriormente comparando a acurácia diagnóstica de cada técnica e de todas em conjunto. A análise morfométrica demonstrou redução do volume do corpo caloso nas regiões central (p=0,025) e médio posterior (p=0,005) e maior volume do líquido cefalorraquidiano (LCR) (p=0,039) no grupo paciente e tanto DTI e MTR evidenciaram extensas alterações da substância branca cerebral, comprometendo múltiplos tractos e fascículos, principalmente cerebrais. Dos paradigmas empregados na RMF caracterizaram que na média os pacientes apresentavam maior processamento nos lobos frontal, parietal e temporal esquerdos. As técnicas com maior capacidade de classificação segundo os dados foram RMF (área embaixo da curva de até 0,95), MTR (AEC de 0,94) e morfometria (0,76), entretanto, a convergência dos dados das múltiplas técnicas alcançou eficácia de 100%.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".