RESUMO
Introdução:
A ressonância magnética é a ferramenta mais importante para o diagnóstico e acompanhamento na EM. A transição da EM recorrente-remitente (EMRR) para a EM progressiva secundária (EMPS) é clinicamente difícil e seria importante desenvolver a proposta apresentada neste estudo a fim de contribuir com o processo.
Objetivo:
o objetivo deste estudo foi garantir a classificação automática de grupo controle saudável, EMRR e EMPS usando a RM com espectroscopia e métodos de aprendizado de máquina.
Métodos:
Os exames de RM com espectroscopia foram realizados em um total de 91 amostras com grupo controle saudável (n=30), EMRR (n=36) e EMPS (n=25). Em primeiro lugar, os metabólitos da RM com espectroscopia foram identificados usando técnicas de processamento de sinal. Em segundo lugar, a extração de recursos foi realizada a partir do MRS Spectra. O NAA foi determinado como o metabólito mais significativo na diferenciação dos tipos de MS. Por fim, as classificações binárias (Healthy Control Group-RRMS e RRMS-SPMS) foram realizadas de acordo com as características obtidas por meio do algoritmo Support Vector Machine.
Resultados:
Os casos de EMRR e do grupo de controle saudável foram diferenciados entre si com 85% de acerto, 90,91% de sensibilidade e 77,78% de especificidade, respectivamente. A EMRR e a EMPS foram classificadas com 83,33% de acurácia, 81,81% de sensibilidade e 85,71% de especificidade, respectivamente.
Conclusões:
Uma análise combinada de RM com espectroscopia e abordagem de diagnóstico auxiliado por computador pode ser útil como uma técnica de imagem complementar na determinação dos tipos de EM.
Palavras-chave:
Esclerose Múltipla; Esclerose Múltipla Recidivante-Remitente; Esclerose Múltipla Crônica Progressiva; Ressonância Magnética com espectroscopia; Aprendizado de Máquina