Mapeando o cérebro humano para combater a doença de Alzheimer
BIDS / ICHS Data Science Fellow é cientista da computação Maryana Alegro usa visão computacional, aprendizado de máquina e imagens médicas para gerar e analisar mapas de proteínas em larga escala do cérebro humano. Seus mapas são usados para desenvolver e validar biomakers de imagem para o diagnóstico precoce e tratamento de doenças cerebrais.
A doença de Alzheimer (DA) é uma doença neurodegenerativa devastadora marcada pela perda progressiva da função cognitiva. Na última década, a doença de Alzheimer é a única causa de morte que aumentou em freqüência – quase um aumento de 90% entre 2000 e 2014. Atualmente, 5,5 milhões de americanos têm a doença de Alzheimer, e até 2050, isso deve aumentar para quase 13,8 milhões de americanos, que custam mais de US $ 1 trilhão anualmente em assistência médica. A doença de Alzheimer é uma doença progressiva, o que significa que ela começa em regiões menores do cérebro e se espalha à medida que a doença persiste, levando a sintomas mais graves. O desenvolvimento de um tratamento eficaz foi limitado pelo tempo de diagnóstico tardio.
Depósitos de inclusões anormais de Tau no cérebro são uma característica patológica bem conhecida da DA e são o melhor preditor de perda neuronal e declínio clínico. Como tal, o Tau é um potencial biomarcador de imagem in vivo que poderia alavancar o diagnóstico precoce. A avaliação da presença de tau no cérebro vivo, no entanto, é extremamente desafiadora, uma vez que não é captada por exames de imagem clínica, como tomografia computadorizada ou ressonância magnética. Por outro lado, a tomografia por emissão de pósitrons (PET) tem mostrado resultados encorajadores em imagens de Tau, com várias iniciativas de pesquisa tentando desenvolver traçadores Tau para o cérebro humano. A validação de tais estudos só é realizada de forma confiável usando dados histológicos, nos quais a inclusão da Tau pode ser localizada com precisão.
TAU_histo_advanced Como parte de sua pesquisa como pós-doc no laboratório UCSF Grinberg – e em colaboração com Duygu Tosun do Centro de Imagem de Doenças Neurodegenerativas (CIND), localizado no San Francisco Veterans Affairs Medical Center (SFVAMC), e Daniela Ushizima de LBNL – Maryana usa visão computacional e aprendizado de máquina para analisar imagens de patologia digital de bilhões de pixels e criar mapas de proteína Tau de alta resolução que podem ser usados para as validações do PET. Todos os conjuntos de dados de patologia do cérebro humano abrangem vários gigabytes de dados e transportam milhares de inclusões, inviabilizando a rotulagem manual.
Maryana desenvolveu um pipeline de processamento de imagens para pré-processar os conjuntos de dados massivos, compostos por etapas que incluem costura automática em grandes quantidades de blocos de imagens, registro e segmentação automática usando redes neurais convolucionais. A maior parte do processamento de imagens é executada pelo cluster Wynton da UCSF. A rede neural é executada em uma poderosa GPU e, então, calculamos os mapas da Tau que estão alinhados à ressonância magnética e à Tau PET, permitindo a comparação direta entre o sinal PET e a porcentagem de Tau. Além da validação de PET, esperamos que esses mapas possam ser usados para modelar a disseminação Tau, lançando luz sobre o desenvolvimento da doença.
Possui graduação em Ciência da Computação pela Pontifícia Universidade Católica de São Paulo (2003), mestrado em Engenharia Elétrica pela Escola Politécnica da Universidade de São Paulo (2009) e doutorado em Engenharia Elétrica pela Escola Politécnica da Universidade de São Paulo (2014). Tem experiência na área de Ciência da Computação, com ênfase em Ciência da Computação, atuando principalmente nos seguintes temas: processamento de imagens, ressonância magnética, histologia, segmentação, registro de imagens. (Fonte: Currículo Lattes)
