Aplicação de técnicas de inteligência artificial na detecção do comportamento tipo-depressivo em camundongos através do teste de suspensão pela cauda

Abstract

Segundo a Organização Mundial da Saúde, há pelo menos 300 milhões de pessoas com depressão no mundo; estimativas mostraram acréscimo de 15% de 2005 até 2015. Além das terapias psicológicas, pacientes sob uso de medicamentos apresentam melhora do quadro clínico. Estes medicamentos são avaliados por uma bateria de testes pré-clínicos para serem inseridos no mercado. Dentre os testes utilizados para a avaliação de candidatos para o controle da depressão, destaca-se o teste de suspensão pela cauda, objeto de estudo deste trabalho. Estes testes são realizados com camundongos, e requerem da percepção humana para a elaboração dos resultados quantitativos do teste. Entretanto, o fator humano é um agravante, apresentando variações dentre análises de um mesmo avaliador, ou para com outro. Neste trabalho, foi proposta a aplicação de um conjunto de técnicas de inteligência artificial em imagens do teste de suspensão pela cauda. Estas técnicas classificaram os movimentos dos camundongos e geraram resultados nos padrões utilizados em neste tipo pesquisa. Para o caso estudado, os resultados obtidos atingiram valores superiores a 90% de precisão em relação ao pesquisador usado como referência. Em relação com a detecção das patas, foram encontradas 87,7% das possíveis patas dentro do conjunto teste.

According to the World Health Organization, there are at least 300 million people with depression in the world; estimates show an increase of 15% from 2005 to 2015. Beyond psychological therapies, patients under the use of drugs present clinical improvements. These drugs are evaluated by a wide set of preliminary tests before being placed on the market. Among the tests used for the evaluation of drugs to control depression, thereisthetailsuspensiontest, objectofstudyofthiswork. These tests are performed with mices, requiring the human perception for the elaboration of the quantitative results of the test. However, the human factor is an aggravating factor, presenting variations between analyzes from the same appraiser, or from another one. In this work, it isproposedasetofartificialintelligencetechniquesappliedtoimagesof tailsuspensiontest. Thesetechniquesareusedtoclassifyitsmovements and generating results with same patterns used in this kind of research. The results obtained reached values greater than 90% accuracy, using the researcher as reference. Regarding paw identification, 87.7% of possible paws were found within a test set.