| Resumo: |
A análise visual do eletroencefalograma (EEG) tem se mostrado útil na ajuda diagnóstica da doença de Alzheimer (DA), sendo indicado em alguns protocolos clínicos quando o diagnóstico permanece em aberto após a avaliação inicial. Porém, tal análise está sujeita naturalmente à imprecisão inerente de equipamentos, movimentos do paciente, registros elétricos e variação da interpretação da análise visual do médico. A teoria das Redes Neurais Artificiais (RNA) tem-se mostrado muito apropriado para tratar problemas como predição e reconhecimento de padrões de sinais em outras áreas do conhecimento. Neste trabalho utilizou-se uma nova classe de RNA, a Rede Neural Artificial Paraconsistente (RNAP), caracterizada pela manipulação de informações incertas, inconsistentes e paracompletas, destinada a reconhecer padrões predeterminados de EEG e de avaliar sua aplicabilidade como método auxiliar para o diagnóstico da DA. Trinta e três pacientes com DA provável e trinta e quatro pacientes controles foram submetidos ao registro de exames de EEG durante a vigília em repouso. Considerou-se como padrão normal de um paciente, a atividade de base entre 8,0 Hz e 12,0 Hz (com uma frequência média de 10 Hz), permitindo uma variação de 0.5 Hz. A RNAP foi capaz de reconhecer ondas de diferentes bandas de frequência (teta, delta, alfa e beta) aplicadas ao uso clínico do EEG, levando a uma concordância com o diagnóstico clínico de 82% de sensibilidade e 61% de especificidade. Com estes resultados, acredita-se que a RNAP possa vir a ser uma ferramenta promissora para manipular análise de EEG, tendo em mente as seguintes considerações: o interesse crescente de especialistas em análise visual de EEG e a capacidade da RNAP tratar diretamente dados imprecisos, inconsistentes e paracompletos, fornecendo uma interessante análise quantitativa e qualitativa |
|---|
