A quantidade de dados que se pode gerar a partir de exames de neuroimagem atualmente é significativa e o processamento e a interpretação desses custosa. Com o intuito de otimizar e potencializar os achados a inteligência artificial vem sendo empregada cada vez mais como ferramenta de apoio médico. O objetivo do estudo é desenvolver e aplicar uma nova metodologia de análise de neuroimagens de Ressonância Magnética (RM) para descrever áreas de alteração, descrever áreas onde há alteração da anisotropia fracionada (imagem de tensor de difusão - DTI) ou da taxa de transferência de magnetização (imagem de transferência de magnetização - MTR e investigar alterações por meio de RMF, além de comparar a análise de convergência dos dados com as análises isoladas dos parâmetros anteriormente descritos. Essa nova metodologia de análise será empregada em dados de estudo com desenho tipo casocontrole de pacientes com epilepesia genereliazada idiopática (IGE), acompanhados no Ambulatório de Epilepsia (ANEP) do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo (HCFMUSP), em uma análise retrospectiva. Os exames foram realizados no Instituto de Radiologia (INRAD) do HCFMUSP de 2012 a outubro de 2017, em aparelho de 3 Tesla. As diferentes técnicas de imagem de RM utilizadas foram primeiramente processadas em respectivos softwares considerados estado da arte no momento, a análise de morfometria por meio do FREESURFER (http://surfer.nmr.mgh.harvard.edu) e DTI, MTR e RMF pelo FSL (htt://fsl.fmrib.ox.ac.uk/fsl), e posteriormente registradas e normalizadas para um atlas (MNI - Montreal Neurology Institute). Com as informações de registro e normalização e por meio de máscaras obtivemos dados das neuroimagens, as subdividindo em múltiplas estruturas corticais e subcorticais, e os comparamos, avaliando as diferenças dos dados dentro de cada técnica utilizada e posteriormente comparando a acurácia diagnóstica de cada técnica e de todas em conjunto. A análise morfométrica demonstrou redução do volume do corpo caloso nas regiões central (p=0,025) e médio posterior (p=0,005) e maior volume do líquido cefalorraquidiano (LCR) (p=0,039) no grupo paciente e tanto DTI e MTR evidenciaram extensas alterações da substância branca cerebral, comprometendo múltiplos tractos e fascículos, principalmente cerebrais. Dos paradigmas empregados na RMF caracterizaram que na média os pacientes apresentavam maior processamento nos lobos frontal, parietal e temporal esquerdos. As técnicas com maior capacidade de classificação segundo os dados foram RMF (área embaixo da curva de até 0,95), MTR (AEC de 0,94) e morfometria (0,76), entretanto, a convergência dos dados das múltiplas técnicas alcançou eficácia de 100%.

The amount of data that can be generated from neuroimaging exams is currently significant and the processing and interpretation of these costly. In order to optimize and enhance the findings, artificial intelligence has been increasingly used as a medical support tool. The objective of the study is to develop and apply a new methodology of magnetic resonance imaging (MRI) analysis to describe areas of alteration, to describe areas where fractional anisotropy (diffusion tensor image - DTI) or magnetic transfer rate (magnetization transfer image - MTR) and investigate changes through RMF, in addition to compare the convergence analysis of the data with the single analyzes of the previously described parameters. This new method of analysis will be used in case-control study data of patients with generalized idiopathic epilepsy (GIE), followed at the Epilepsy Outpatient Clinic (ANEP) of the Hospital das Clínicas, Faculty of Medicine, University of São Paulo (HCFMUSP), in a retrospective analysis. The exams were performed at the Institute of Radiology (INRAD) of the HCFMUSP from 2012 to October 2017, in a 3 Tesla scanner. The different MR imaging techniques used were first processed in respective software considered state of the art at the moment, morphometry analysis through FREESURFER (http://surfer.nmr.mgh.harvard.edu) and DTI, MTR and FMRI (Functional MRI) by the FSL (htt: //fsl.fmrib.ox.ac.uk/fsl), and subsequently recorded and normalized to an atlas (MNI - Montreal Neurology Institute). With the registration information and normalization masks we obtained data from the neuroimages, subdividing them into multiple cortical and subcortical structures, and comparing them, evaluating the differences in the data within each technique used and then comparing the diagnostic accuracy of each technique and all together. The morphometric analysis showed a reduction in corpus callosum volume in the central (p = 0.025) and posterior (p = 0.005) segments and higher cerebrospinal fluid (CSF) (p = 0.039) in the patient group and both DTI and MTR showed extensive alteration of the cerebral white matter, compromising multiple tracts and fascicles, mainly cerebral. From the paradigms used in FMRI, on average, the patients presented increased processing in the left frontal, parietal and temporal lobes. The techniques with the highest classification capacity according to the data were FMRI (area under the curve up to 0.95), MTR (AEC of 0.94) and morphometry (0.76), however, the convergence of the data of the multiple techniques reached 100% efficacy