Modelando a distribuição de Tau de DTI com rede adversarial generativa para o diagnóstico da doença de Alzheimer

O impacto mais significativo deste projeto é propor pela primeira vez uma nova rede adversária generativa (GAN), como um tipo de arquitetura de aprendizado profundo, para gerar automaticamente imagens PET sintéticas refletindo a deposição de tau, a partir de imagens cerebrais DTI. Se bem-sucedida, esta estrutura se tornará a abordagem mais avançada para simular o padrão estereotipado de acúmulo intracerebral de tau e distribuição in vivo.

Imagens sintéticas de tau-PET via DTI, possuindo superioridade esmagadora em livre de radiação, não invasiva e custo-efetividade, servirá potencialmente como uma das modalidades alternativas de PET na detecção de carga tau e provavelmente superará PET em acessibilidade, generalização e disponibilidade no futuro, tornando-o muito mais atraente na aplicação clínica. Uma grande mudança conceitual pode ocorrer preferindo um novo tau-PET simulado via DTI.

A estrutura de aprendizagem profunda orientada por dados DTI a ser criada neste projeto constituirá uma ferramenta precisa, robusta, clinicamente aplicável e explicável para categorizar com eficiência os assuntos em casos positivos de carga de tau e casos negativos de carga de tau, o que sem dúvida contribuirá para ambos clínicos e atividades de pesquisa.