Com publicação científica

Instituto de Informática e Neuroimagem da Escola de Medicina da USC
Exames de ressonância magnética de mais de 1.000 camundongos, em sobreposição. O centro azul indica o tecido lesionado em praticamente todos os animais, enquanto as cores ao redor mostram áreas afetadas de forma menos consistente.
Por Redação SciAdvances
Fonte
Áreas
Compartilhar
Durante a pesquisa e desenvolvimento de novas terapias para o acidente vascular cerebral (AVC), a fase pré-clínica – que geralmente inclui estudos com animais – busca as melhores alternativas que possam ser testadas em seguida em estudos clínicos em humanos.
Com este objetivo, a ressonância magnética permite que os pesquisadores examinem o mesmo animal mais de uma vez, monitorando lesões e alterações iniciais, bem como a perda de tecido que se desenvolve posteriormente.
No entanto, analisar centenas ou milhares de exames de imagem obtidos em diferentes instituições e equipamentos, de maneira homogênea e com alta confiabilidade, ainda é desafiador.
Pesquisadores da Escola de Medicina da Universidade do Sul da Califórnia (USC), nos EUA, desenvolveram um sistema automatizado que analisa imagens de ressonância magnética para identificar alterações no tecido cerebral em testes pré-clínicos com animais.
A ideia é que a tecnologia possa avaliar, em grandes estudos multicêntricos, quais tratamentos experimentais para acidente vascular cerebral (AVC) têm mais chance de avançar para estudos clínicos.
O sistema de análise de imagens, de código aberto, foi publicado na revista científica Imaging Neuroscience e testado em exames de ressonância magnética em camundongos e ratos provenientes de seis centros de pesquisa acadêmica, mantendo boa correspondência com análises de especialistas humanos.
Segundo a Dra. Kirsten Lynch, professora de Neurologia da USC e coautora principal do estudo, o sistema viabiliza uma maneira objetiva e escalável de avaliar lesões cerebrais em uma ampla rede de pesquisa.
O sistema verifica a qualidade da imagem, ajusta as diferenças entre scanners, identifica o cérebro e mede o tecido lesionado, o inchaço, o deslocamento e a perda de tecido em longo prazo.
Um modelo de aprendizado profundo ajuda a separar o tecido cerebral de tecidos circundantes, para então o sistema aplicar métodos transparentes baseados em regras para identificar danos causados por acidente vascular cerebral (AVC), em vez de depender inteiramente da inteligência artificial.
Mais de 2.200 animais passaram por exames de ressonância magnética dois dias após um AVC induzido experimentalmente, e 1.750 animais realizaram um novo exame cerca de um mês depois.
Quando os pesquisadores compararam os resultados automatizados com as análises de especialistas em imagem, as medições mostraram uma concordância extremamente alta, tão consistente quanto a concordância entre dois avaliadores humanos.
O software, que está disponível publicamente na plataforma GitHub, processou com sucesso a grande maioria dos exames realizados nos seis centros de pesquisa, apesar das diferenças de espécie, equipamento, intensidade do campo magnético e qualidade da imagem.
Os pesquisadores destacaram que a ferramenta foi projetada para modelos animais padronizados e não se destina a analisar lesões de AVC em pacientes.
Em suas publicações, o Portal SciAdvances tem o único objetivo de divulgação científica, tecnológica ou de informações comerciais para disseminar conhecimento. Nenhuma publicação do Portal SciAdvances tem o objetivo de aconselhamento, diagnóstico, tratamento médico ou de substituição de qualquer profissional da área da saúde. Consulte sempre um profissional de saúde qualificado para a devida orientação, medicação ou tratamento, que seja compatível com suas necessidades específicas.
Publicidade
Últimos avanços

Ermak Oksana via Shutterstock

JitendraJadhav via Shutterstock
Publicidade
Autores/Pesquisadores Citados
Publicação
Acesse o artigo científico completo (em inglês).
Mais Informações
Acesse o software na plataforma GitHub (em inglês).
Publicidade
Outros avanços

Universidade da Califórnia em San Diego






