Este trabalho apresenta o desenvolvimento de um modelo para quantificar e apoiar o processo diagnóstico de demências (Demência de Alzheimer, Demência Vascular, Demência Frontotemporal e Demência de Corpos de Lewy), composto por três sub modelos. O primeiro modelo matemático proposto e baseado na teoria dos conjuntos fuzzy e tem como objetivo fornecer um escore de comprometimento cognitivo. Como resultado de sua aplicação em uma base com dados reais com 60 casos, obtivemos 52 acertos e 8 erros (13%) e uma área sob a curva ROC de 0,80. O segundo modelo permite identificar o tipo de demência, e optouse por utilizar um diagrama de decisão para representar o conhecimento do especialista. O diagrama foi modelado com base nas características de cada patologia e quando submetido aos testes dos especialistas obtivemos índices de erro que variam de 2% a 18%. Sendo a demência de Alzheimer a mais prevalente entre as demências e considerando a importância das neuroimagens para o diagnóstico diferencial, realizamos a avaliação de três técnicas de análise de neuroimagem, sendo duas multivariadas e uma univariada. Como resultado obtivemos que os modelos multivariados se mostram mais eficientes para avaliação de alterações morfológicas no cerébro em relação aos modelos univariados. Porém a complexidade de realização das análises não permitem nesse momento a integração de técnicas de avaliação de neuroimagens com modelos diagnósticos a serem usados em ambulatório. Durante a anamnese, o médico avalia, além do comprometimento cognitivo, sinais e sintomas que permitam identificar o tipo de demência bem como um conjunto de fatores de risco e de proteção que permite mensurar o risco do indivíduo desenvolver algum tipo de demência. Para avaliar esses fatores foi criado um modelo de risco de demência com base nos fatores de risco e proteção que comumente são analisados pelos médicos. Esse modelo foi avaliado por três especialistas e obtivemos índices de erro que variaram entre 13% e 20% e um índice de correlaço de Spearman que variou de 0,63 a 0,69.

This study proposes the development of a model to quantify and support the process of diagnose of dementia (Alzheimer's Dementia, Vascular Dementia, Frontotemporal Dementia and Dementia with Lewy Bodies) composed by three sub-models. The first mathematical model is based in the theory of fuzzy sets, and provides a score for cognitive impairment. As a result we obtained 52 correct classifications and eight errors (13%) and the area under the ROC curve was 0.80. In the second model a decision tree was elaborated to represent the expert's knowledge of the type of dementia. The decision diagram was modeled based on the characteristics of each pathology and the decision paths was tested by experts, resulting in erros varing between 2% to 18%. Since the Alzheimer's Disease is the most prevalent dementia and considering the importance of neuroimage exams to the dfferential diagnosis, we perform a evaluation of three techniques focused on neuroimage analisys, two multivariate techniques and one univariate technique. As a result it was verified that multivariate models are more efective to evaluate the morphological changes in the brain, compared to univariate models. However, the complexity to perform a analysis does not allows, at this moment, to integrate the neuroimage evaluation techniques whith diagnostic models designed to support the clinician in the ambulatory rotine. During the anamnesis the doctor evaluates (in addition to cognitive impairment and symptoms focused on identify the type of dementia), a number of risk and protection factors that allows measure the risk of the individual developing dementia. To perform the evaluation of these factors, a model of dementia risk was created based on the risk and protective factors that are commonly evaluated during the anmnese process. This model was evaluated by three experts and we achieve erros varing between 13% and 20% and Spearman's correlation value between the scores of 0.63 to 0.69.