DIAGNÓSTICO MULTICLASSE DOS ESTÁGIOS DA DOENÇA DE ALZHEIMER BASEADO EM DADOS MULTIMODAIS

A Doença de Alzheimer (AD) é a principal causa de demência no mundo, afetando memória, linguagem e pensamento. Embora não exista cura, o diagnóstico precoce é essencial para retardar a progressão da doença. Diversos estudos utilizam aprendizado de máquina para esse diagnóstico, porém muitos consideram apenas uma modalidade de biomarcadores e realizam classificação binária. Este artigo propõe uma classificação multiclasse dos estágios da AD em três grupos: AD, MCI e HS. Para isso, utiliza uma abordagem multimodal combinando biomarcadores de MRI, PET e CSF, obtidos da base ADNI. A técnica de CCA foi aplicada para redução de dimensionalidade, enquanto o método SMOTETomek foi utilizado para tratar o desbalanceamento dos dados. Em seguida, empregou-se o classificador SVM para identificar os estágios da doença. Os experimentos resultaram no método AD-M010, que alcançou 92,08\% de acurácia e \textit{F1-Score} de 87,56\%, demonstrando a eficácia da abordagem multimodal proposta.