O Estudo Quantitativo da Habenula Baseado em Rede Neural Multicanal em Cascata e o Estabelecimento do Modelo de Predição do Efeito Curativo em Pacientes com Depressão

A depressão é a segunda principal causa de carga de doença em nosso país. Tem efeitos graves sobre a saúde física e mental dos seres humanos, e cerca de 30% dos pacientes com depressão não respondem ou respondem mal ao tratamento antidepressivo. A prática clínica está em uma posição difícil de querer medidas objetivas para avaliar a depressão. A requerente e sua equipe dedicaram muitos anos à pesquisa básica e clínica do núcleo habenular (Hb), acumulando uma quantidade significativa de experiência em experimentos com animais e estudos de ressonância magnética (RM) de pacientes. Esses estudos demonstraram que o núcleo habenular é a principal área-alvo responsável pelas alterações fisiopatológicas na depressão, bem como por seu tratamento. Pequenos volumes e contraste insatisfatório têm sido problemas complicados na imagem de RM da Hb. Além disso, a segmentação manual demorada e a falta de padrões quantitativos em estudos convencionais impediram o avanço da pesquisa de Hb. Felizmente, o desenvolvimento de imagens de RM quantitativas multiparamétricas de alta resolução e o uso extensivo da tecnologia de inteligência artificial (IA) em imagens médicas podem fornecer um suporte poderoso para a geração de imagens, segmentação e quantificação de Hb. Este projeto propõe usar a anatomia de RM de alta resolução da Hb combinada com fusão multimodal para 1) construir um modelo para segmentação 3D automática de imagens de RM de Hb com base nas redes neurais convolucionais dilatadas multicanais densamente conectadas; 2) filtrar as assinaturas de imagens quantitativas relacionadas à eficácia dos antidepressivos usando a metodologia radiômica e, em combinação com informações clínicas, construir um modelo de previsão individualizado para a eficácia do tratamento.

No geral, este estudo se concentra na tradução da pesquisa básica para a aplicação clínica, na esperança de fornecer marcadores de imagem objetivos quantificáveis ​​na prática clínica, facilitando a tomada de decisões clínicas e trazendo diagnóstico e tratamento precisos e individualizados.