Utilizando Redes Neurais na Identificação de Assinaturas para Realizar o Diagnóstico Precoce da Doença de Alzheimer

Resumo

A doença de Alzheimer (DA) é agora considerada o tipo mais comum de demência na população. Embora seja uma doença degenerativa e irreversível, se for diagnosticada com antecedência, os medicamentos podem ser administrados para retardar a progressão dos sintomas e proporcionar uma melhor qualidade de vida para o paciente. Herbert et al. e Gòmez realizaram estudos com classificadores contidas no software Weka utilizando um banco de dados com valores de 120 proteínas contidas no sangue, e eles perceberam que poderiam classificar se o paciente pode ou não ser diagnosticado com AD com uma taxa de precisão de 93% e 65% , respectivamente. Assim, este estudo visa a utilização de redes neurais, tais como Multi-layer Perceptron, Extreme Learning Machine e Reservoir Computing para realizar o diagnóstico precoce de um paciente com ou sem AD e Comprometimento Cognitivo Leve (MCI), um outro tipo comum de doença. Este artigo também prevê a utilização do algoritmo Random Forest e o método de seleção de variáveis disponível no Weka chamado InfoGainAttributeEval para selecionar proteínas a partir do conjunto original e, assim, criar uma nova assinatura de proteínas. Através dos experimentos realizados pode concluir-se que a melhor performance foi obtida com a MLP e as novas assinaturas criadas com a Random Forest alcançaram melhores resultados dos que aqueles disponíveis na literatura.