Titulo Estágio
EPI-Cardio→Avaliação de longo termo da actividade eléctrica cardíaca em pacientes epilépticos
Área Tecnológica
Informática Médica
Local do Estágio
Laboratório de Computação Adaptativa do CISUC
Enquadramento
De entre os doentes que sofrem de epilepsia existe um grupo em que a terapêutica actual não tem os efeitos desejados, isto é, não conseguem suprimir a ocorrência de ataques epilépticos (crises). Actualmente, única forma de melhorar a qualidade de vida destes pacientes seria pelo aviso prévio da ocorrência futura de uma crise.
A investigação em previsão de crises epilépticas tem-se centrado fundamentalmente na análise de ondas cerebrais através do eletroencefalograma (EEG). No entanto os resultados obtidos não atingem a qualidade necessária para uma aplicação clínica, existindo a necessidade da consideração de outras fontes de informação, tal como a análise da actividade eléctrica do coração usando sinais de electrocardiograma (ECG). Existem evidências que as crises epilépticas afectam o sistema nervoso autónomo reflectindo-se em variações nas características do ECG antes e durante as crises. Estudos recentes indicam que determinadas características, tais como a variabilidade do ritmo cardíaco (HRV), sofrem alterações significativas antes das crises e podem eventualmente ser usadas para prever crises. No entanto, os estudos efectuados até ao momento limitaram-se a analisar somente os instantes antes das crises, esquecendo os períodos alargados onde o paciente não tem crises e onde, geralmente, as metodologias actuais cometem erros consideráveis (elevado número de falsas previsões).
Objetivo
Nesta dissertação pretende-se analisar o ECG de doentes epilépticos ao longo de vários dias (considerando períodos alargados sem crises), tendo em vista a previsão das suas crises. A primeira etapa consistirá na extracção de características do ECG incluindo parâmetros clínicos tipicamente usados, alem de outras medidas lineares e medidas não lineares. A segunda fase consistirá no desenvolvimento de algoritmos de previsão baseados em técnicas de inteligência computacional, tais como máquinas de vector de suporte e redes neuronais artificiais que utilizem os parâmetros extraídos na fase anterior mas também os que foram identificados recentemente com base no EEG. A última parte do mestrado será focada na análise dos resultados obtidos, e conclusões sobre a capacidade das características do ECG para previsão de crises.
De notar que este mestrado será baseado na Base de Dados Europeia em Epilepsia (http://epilepsy-database.eu/ ), que contem EEGs e ECGs de 275 doentes epilépticos.
Plano de Trabalhos - Semestre 1
1. Estudo do problema e revisão do estado da arte
• Início: Setembro 2013
• Fim: Novembro 2013
• Resultados esperados: um relatório sobre o estado da arte em previsão de crises epilépticas usando EEG e ECG.
2. Implementação e extracção de características dos sinais de ECG
• Início: Outubro 2013
• Fim: Março 2014
• Resultado esperado:
i. Programa em Matlab que permita extrair características dos sinais de ECG de longo termo.
ii. Características extraídas para um mínimo de 100 pacientes.
Plano de Trabalhos - Semestre 2
3. Aplicação de técnicas de inteligência computacional às características extraídas e análise de resultados
• Objectivo:
i. Aplicar e testar algoritmos de previsão de crises em pelo menos 100 pacientes
ii. Análise dos resultados obtidos, e conclusões sobre a sua significância.
• Início: Fevereiro 2014
• Fim: Junho 2014
• Resultado esperado: um relatório critico dos resultados obtidos.
4. Escrita da tese
• Início: Maio 2014
• Fim: Junho 2014
Condições
O trabalho decorrerá nos Laboratórios do Grupo de Computação Adaptativa do CISUC, no DEI.
Observações
Dependendo do decorrer dos trabalhos e das disponibilidades financeiras, poderá perspectivar-se a concessão de uma bolsa de estudo durante o segundo semestre do ano lectivo.
Este trabalho tem um conteúdo de investigação significativo, com elevado potencial de impacto na comunidade científica e clínica, nomeadamente expresso em patentes e publicações em conferências e revistas internacionais. Os candidatos devem ter conhecimentos de Matlab e de computação neuronal.
Orientador
César Teixeira, Jorge Henriques, António Dourado
cteixei@dei.uc.pt 📩