Atrial fibrillation (AF) is the most common arrhythmia, affecting 2.5% of the Portuguese population above 40 years; AF greatly impacts patients' quality of life. Medication is available but many patients require treatment with radiofrequency ablation (RFA). Unfortunately, relapse is frequent and predicting RFA success is hard; identifying myocardium fibrosis can be helpful. To identify fibrosis, planning and follow-up of RFA rely on magnetic resonance imaging (MRI) with late gadolinium enhancement (LGE), but analysis of LGE images is operator-dependent and imaging protocols vary hindering longitudinal and cross-site comparisons. As T1 tissue maps are sensitive to fibrosis and fully quantitative, there has been a lot of effort to develop methods with sufficient precision and accuracy for the clinic. T1-mapping typically relies on the application of a preparation module followed by the acquisition of a series of images at the same anatomical location, acquired at different time delays for varying contrast. To avoid missing any fibrotic regions, whole myocardium T1-maps would be desirable but are currently limited to a few 2D slices due to time constraints in the clinic. Exams are also prolonged due to the need to ensure images match the same cardiac phase and to avoid heart motion due to respiration; the former can be achieved by using electrocardiogram (ECG) triggering while respiratory motion is minimized through breath holding. Imaging the left atrium is particularly challenging due to its reduced thickness compared to the left ventricle, where T1-mapping has been more widely applied - around 2mm compared to 6-10mm. To investigate atrial fibrosis, increasing in-plane image resolution is needed normally requiring even longer scan times. An added complication is the low signal-to-noise ratio (SNR) associated to small voxels. 3D imaging increases SNR but demands even longer acquisition times. The project aims to enable full 3D T1-mapping in the clinic by taking advantage of the high information overlap between images acquired at different time delays. The spatial encoding abilities provided by multi-channel receiver coils will be fully harvested to separate simultaneously excited multiple 2D slices and to reduce the amount of data needed for in-plane image reconstruction. Using a 3.0T scanner will provide a crucial SNR boost and challenges associated to increased field inhomogeneities will be addressed. The use of external tracers will be explored for tracking heart position throughout respiration. Retrospective cardiac gating from information contained in the imaging data will also be investigated. The ultimate goal is to ensure a fast acquisition, robust to cardiac and respiratory motion, enabling free breathing and avoiding ECG-gating, dramatically improving both patient comfort and scanning efficiency. Synergetic collaboration between a team of MRI physicists, image processing experts and clinicians will be key to the success of the project. A fibrilhação auricular (FA) é a arritmia mais comum, afetando 2,5% da população portuguesa acima dos 40 anos. FA tem um elevado impacto na qualidade de vida dos doentes, sendo que muitos necessitam de tratamento com ablação por radiofrequência (ARF). As recidivas são frequentes e é difícil prever o sucesso da ARF. Esta previsão pode ser auxiliada caracterizando fibrose do miocárdio. Para identificar fibrose do miocárdio, o planeamento e seguimento da ARF é feito com realce tardio (RT) por ressonância magnética (RM). Contudo, a análise do RT depende do operador e de variações no protocolo de aquisição, dificultando a sua comparação. Os mapas T1 são quantitativos, existido um esforço para desenvolver métodos para a sua obtenção com elevada exactidão e precisão, aplicáveis na clínica. Esta quantificação é tipicamente efectuada com um módulo de preparação seguido da aquisição de uma série de imagens na mesma localização anatómica, adquiridas após diferentes tempos de preparação. Para efetuar uma avaliação completa, o mapeamento T1 deveria ser efetuado em todo o miocárdio, mas este cinge-se actualmente a alguns planos 2D por limitações no tempo de exame clínico. Esta dificuldade deve-se à necessidade de adquirir imagens na mesma fase cardíaca (com sincronização com ECG), e evitar movimento cardíaco devido à respiração (minimizado com apneia). A imagiologia auricular é desafiante pela reduzida espessura da sua parede (2mm) em comparação com a do ventrículo esquerdo (6-10mm) no qual o mapeamento T1 tem sido maioritariamente aplicado. A necessidade de aumentar a resolução espacial requer tempos de aquisição longos, e voxels de pequena dimensão apresentam uma reduzida razão sinal-ruído (RSR). Aquisições 3D aumentam a RSR, mas requerem tempos de aquisição mais longos. Este projecto tem como objectivo quantificar T1 em todo o miocárdio em 3D, utilizando a redundância de informação entre imagens com diferentes ponderações T1 para acelerar a aquisição. A capacidade de codificação espacial de antenas de recepção de RF com multicanais será aproveitada para separar cortes 2D excitados em simultâneo, e reduzir a quantidade de dados necessária para a reconstrução de cada corte. A utilização de um sistema de RM de 3T aumentará a RSR disponível. Metodologias para responder aos novos desafios a este associados como sejam o aumento das heterogeneidades do campo serão utilizadas. A utilização de sensores externos será explorada para monitorizar a posição do coração durante a respiração, e investigada a possibilidade de sincronização cardíaca retrospectiva utilizando informação contida na imagem. O objectivo final é assegurar uma aquisição rápida, robusta aos movimentos cardíaco e respiratório, que evite necessidade de apneia ou sincronização ECG, melhorando drasticamente o conforto dos doentes e a eficiência da aquisição. A colaboração sinérgica entre a equipa de físicos RM, especialistas em processamento de imagem e clínicos será crucial para o sucesso do projecto.

Migraine is a brain disorder characterized by recurrent headaches, resulting from a combination of genetic predisposition and environmental factors. It is one of the most prevalent and disabling diseases worldwide, representing an excessive societal and economical burden. Unfortunately, while over usage of drugs for attack treatment is known to promote the evolution of the disease into a chronic form, preventive drugs aiming to reduce attack frequency have limiting adverse effects and an efficacy of 50% at the most. Significantly, a growing number of neuroimaging studies have started to uncover structural and functional brain changes associated with migraine. The ability to identify such imaging biomarkers, not only enlightens the pathophysiology of the disease, but it also enables the design of alternative, non-drug therapies based on neuromodulation techniques. Most interestingly, these can in principle be personalized by specifically targeting the individual neuroimaging profile of each patient. In this Project, we aim to identify multimodal neuroimaging biomarkers of migraine, and to use these to develop a novel personalized therapeutic approach based on neurofeedback targeting those biomarkers. We will study a group of patients with episodic migraine without aura using MRI concurrently with EEG, including both task-based and resting-state functional imaging protocols as well as structural imaging, and compare them with healthy controls. We will subsequently employ machine learning techniques in order to identify the neuroimaging biomarkers that best discriminate migraineurs from controls throughout the migraine cycle (headache-free and attack states, as well as premonitory and resolution phases of the attacks). We will then develop a functional MRI-inspired EEG-based neurofeedback protocol aimed at normalizing the patients' aberrant neuroimaging profile and in this way minimize, or even prevent, the occurrence of migraine attacks. A sub-group of patients will be selected for the neurofeedback intervention, at the end of which they will undergo neuroimaging and clinical evaluation in order to evaluate its effects. In conclusion, we expect to perform the first multimodal EEG-MRI study of migraine and with it unravel novel neuroimaging biomarkers of the disease, and to develop and test a new EEG-neurofeedback protocol aimed at providing personalized, preventive anti-migraine treatment. To achieve these goals, we put together scientists and engineers with extensive expertise in brain MRI, EEG and neurofeedback, as well as clinical experts in migraine, in a synergetic and interdisciplinary collaborative effort. With this team, working with state-of-the-art MRI and EEG equipment, we are in a unique position to address the challenging problem of offering novel treatments for migraine. Overall, our achievements should contribute to improving the management of this highly disabling disease, with potentially great societal and economical impact. A enxaqueca é um distúrbio cerebral caracterizado por cefaleias recorrentes, resultantes de uma combinação de predisposição genética e fatores ambientais. É uma das doenças mais comuns e incapacitantes em todo o mundo, de enorme carga social e económica. Infelizmente, o uso excessivo de drogas é conhecido por promover a evolução da doença para um estado crónico; por outro lado, drogas preventivas visando reduzir a frequência das cefaleias têm efeitos adversos e uma eficácia de 50% no máximo. Um número crescente de estudos imagiológicos começou a descobrir alterações estruturais e funcionais no cérebro associadas à enxaqueca. A capacidade de identificar tais biomarcadores imagiológicos permite determinar a patofisiologia da doença, assim como o desenho de terapias alternativas, não farmacológicas, baseadas em técnicas de neuromodulação. Acima de tudo, estas podem, em princípio, ser personalizadas, visando normalizar o perfil individual imagiológico de cada doente. Neste projeto, pretendemos identificar biomarcadores multimodais imagiológicos da enxaqueca, e usá-los para desenvolver uma nova abordagem terapêutica personalizada baseada em neurofeedback. Para tal, iremos estudar um grupo de pacientes com enxaqueca episódica sem aura usando MRI simultâneo com EEG, incluindo protocolos de imagem funcional durante uma tarefa e em repouso, bem como imagens estruturais, e compará-las com controlos saudáveis. Em seguida, empregaremos técnicas de aprendizagem automática para identificar os biomarcadores imagiológicos que melhor discriminam os pacientes dos controlos ao longo do ciclo da enxaqueca (fases sem e com cefaleia, bem como as fases pré- e pós-cefaleias). Em seguida, desenvolveremos um protocolo de neurofeedback baseado em EEG com base em estudos funcionais de MRI, com o objetivo de normalizar o perfil imagiológico aberrante dos pacientes e minimizar, ou mesmo prevenir, a ocorrência de cefaleias. Um subgrupo de pacientes será selecionado para realizar o protocolo de neurofeedback, no fim do qual eles serão submetidos a um segundo estudo de MRI, com o objetivo de avaliar os efeitos da terapia. Em conclusão, com este projeto iremos realizar o primeiro estudo multimodal EEG-MRI da enxaqueca e com ele desvendar novos biomarcadores imagiológicos da doença, e desenvolver e testar um novo protocolo de EEG-neurofeedback visando proporcionar um tratamento personalizado de prevenção de enxaquecas. Para atingir estes objetivos, reunimos cientistas e engenheiros com vasta experiência em ressonância magnética cerebral, EEG e neurofeedback, bem como especialistas clínicos em enxaqueca, num esforço sinérgico e interdisciplinar de colaboração. Com esta equipa, trabalhando com tecnologia de ponta de MRI e EEG, estamos numa posição única para resolver o problema desafiante de oferecer novos tratamentos para a enxaqueca. Globalmente, esperamos contribuir para melhorar o manejo desta doença altamente incapacitante, com grande impacto social e económico.

Our research in the area of ?user innovation? has shown that patients, and their informal caregivers, often develop innovative solutions to help them cope with their health condition and these solutions often improve the quality of life of the patient innovators or their caregivers. If shared these innovations can significantly impact the lives of others living under similar conditions. Following these findings, we have established an award-winning platform, www.patient-innovation.com aimed at facilitating the sharing of solutions developed by patients and caregivers under medical supervision, including the support of two Nobel Laureates and other reputable scientists (Patient Innovation was named Non-profit Startup of the Year and recognized by UN Secretary General Ban Ki-moon). Over 700 innovations were submitted and ?screened? from a community of 50.000 patients/caregivers from the 5 continents. Building upon our previous work, our research questions are: How can healthcare build on empowered innovative patients to manage their own health and disease? What is the clinical value of health related innovations developed by the patients? Can they be scaled to be delivered globally? What are the roles of other stakeholders in the healthcare value chain? Which factors facilitate the innovation and diffusion processes? To answer these questions, we will create a medically supervised wiki, i.e. a tool to help patients/caregivers to improve technically their solutions and find a set of resources necessary to commercialize them, so more people can benefit from them. The wiki is a collaborative page that allows users to upload, edit and remove online content with the objective of getting and testing ideas, which can end up in an accelerator. We will launch a pilot of five patient-developed solutions to evaluate usability and cost-effectiveness and understand the critical resources for patients/caregivers to innovate and diffuse. The platform will help citizens to develop and commercialize their solutions, with experts? advice and using resources such as crowdsourcing/testing. It will also serve as a framework to study why some solutions are more successful than others and to evaluate their cost-effectiveness. The project brings together leading and experienced academic and corporate partners with the ambition of creating an economically sustainable ?patient innovation model? and to define good practices to value innovation and entrepreneurship by user (patients and caregivers). The ultimate aim of the Patient2Entrepreneur is to empower patients and their caregivers to collaborate, co-create and innovate to answer to societal challenges and to promote a truly open innovation process. In the end, this platform should be a way to further improve patients? and caregivers? quality of life and to generate an ecosystem to facilitate social innovation and entrepreneurship. A nossa investigação na área da ?inovação por utilizador? mostrou que doentes e os cuidadores informais frequentemente desenvolvem soluções inovadoras para os ajudar a lidar com a sua condição, e estas soluções frequentemente melhoram a qualidade de vida dos doentes e cuidadores inovadores. Se partilhadas, estas inovações têm um impacto significativo nas vidas de outros em condições semelhantes. Após esta investigação, criámos uma plataforma vencedora de prémios, www.patient-innovation.com, que tem o objetivo de facilitar a difusão de soluções desenvolvidas por doentes e cuidadores, com supervisão médica, e com o apoio de dois vencedores do Prémio Nobel e outros cientistas prestigiados (o Patient Innovation foi nomeado startup non-profit do ano e foi reconhecido por Ban Ki-moon, Secretário Geral das Nações Unidas). Mais de 700 soluções foram submetidas e avaliadas, de uma comunidade de mais de 50 000 doentes/cuidadores dos cinco continentes. Construídas com base no nosso trabalho anterior, as nossas perguntas de investigação são: como pode o sistema de saúde ser baseado com potenciar doentes para gerir a sua própria saúde e doença? Qual é o valor clínico de inovações de saúde criadas pelos doentes? Podem ser distribuídas a um nível global? Quais são os papéis de outros stakeholders? Que fatores facilitam os processos de inovação e difusão? Para responder a estas questões vamos criar uma wiki supervisionada medicamente, ou seja, uma ferramenta que ajuda doentes/cuidadores a melhor tecnicamente as suas soluções e a encontrar os recursos necessários para as comercializar. Esta wiki é uma página colaborativa que permite que os utilizadores carreguem ficheiros e editem conteúdo online com a intenção de obter e testar ideias, o que pode culminar num acelerador. Vamos lançar um piloto com cinco soluções criadas por doentes para avaliar a usabilidade e a eficiência de custo, percebendo assim quais os recursos críticos que os doentes e cuidadores precisam para inovar e difundir. A plataforma vai ajudar cidadãos a desenvolver e a comercializar as suas soluções, com a mentoria de peritos, e usando recursos como crowdsourcing/testing. Vai também servir como Framework para perceber por que é que algumas soluções são mais bem sucedidas do que outras, e avaliar a sua eficiência de custo. O projeto junta a academia às empresas com a ambição de criar um modelo sustentável de inovação por doente, e definir boas práticas para valorizar a inovação e o empreendedorismo por utilizador. O derradeiro objetivo do Patient2Entrepeneur é potenciar doentes e o seus cuidadores a colaborar, co criar e inovar de modo a responder a desafios societais, e a promover um processo de inovação aberta. No final, esta plataforma será uma forma de melhorar a qualidade de vida de doentes e cuidadores e de gerar um ecossistema que facilite a inovação social e o empreendedorismo.

Worldwide, millions of people suffer every-year from cerebrovascular diseases. To date, stroke is one of the leading causes of long-term disability, while the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) is increasing the factors that can cause ischemic stroke due to thrombotic events. This leads to cognitive and motor impairments, resulting in loss of independence in the daily life of stroke patients, together with an additional psychological impact in mood disorders and depression. Evolving to a chronic condition, stroke requires continuous rehabilitation and therapy, a burden not only at an individual level but also at a broader level, affecting significantly the national health system. Technology-based approaches, like the use of personalised Virtual-Reality (VR) have been shown to accelerate the recovery process compared to non-Information and communication technologies (ICT)-based interventions. The utilization of VR is considered a novel and effective low-cost approach to re-train the lost motor and cognitive functions through strictly defined training tasks in a safe simulated environment. However, most of these novel VR approaches require increased volitional motor control, hence are suitable only for a reduced subset of patients, generally those with better recovery prognostics and better motor ability. Consequently, the idea of directly training the central nervous system was established, through the use of Brain-Computer Interfaces (BCI’s) and motor-imagery (MI). BCI’s can be described as communication systems able to establish an alternative pathway between the user’s brain activity and a computer system, providing an additional non-muscular channel for communication and control to the external world. Prior research has shown that mental practice of action is useful in MI-BCI training, for attaining functional motor recovery through the reorganization of motor networks. Moreover, MI-BCI training can promote long-lasting improvements of motor function in stroke patients. Nonetheless, although the benefits of MI-BCI have been illustrated in recent studies, interventions with patients in longitudinal studies is still limited, lacking long-term evidence to support its clinical relevance. One of the major reasons is due to the reduced ability of stroke patients to accurately control a BCI system, resulting in poor skill acquisition during training. The aim of this project is to develop a novel and more inclusive rehabilitation system with the use of emerging technologies, in order to overcome current limitations of MI-BCI training for rehabilitative applications. This will be achieved by identifying the neural correlates of motor action and skill acquisition during motor imagery through neuroimaging (EEG/fMRI), formulate machine-learning methods for increased accuracy of the BCI system, but also potentiate human training for skill acquisition through the use of neuroadaptive VR. The ultimate goal is to generalize the findings into a VR-BCI-MI training paradigm for both admitted and ambulatory patients, as well as continued domestic care. The impact of the project can be expected on multiple levels. At the scientific level, it will contribute to further understanding the neuro-physiological brain plasticity mechanisms underlying motor recovery after a stroke; and provide yet necessary further evidence on the benefits of technology-driven rehabilitation approaches. At a technical level, it will provide tools for personalized neuroadaptive training, increasing the reliability of VR-BCI for clinical or home use. Finally, at a societal level this project will provide access to therapy in a wider range of population, especially to those with worse prognostic. Em todo o mundo, milhões de pessoas sofrem todos os anos de doenças cerebrovasculares. Até o momento, o acidente vascular cerebral é uma das principais causas de incapacidade de longo prazo, enquanto a síndrome respiratória aguda grave coronavírus 2 (SARS-CoV-2) está aumentando os fatores que podem causar acidente vascular cerebral isquêmico devido a eventos trombóticos. Isso leva a deficiências cognitivas e motoras, resultando na perda de independência na vida diária de pacientes com AVC, juntamente com um impacto psicológico adicional em transtornos de humor e depressão. Evoluindo para uma condição crônica, o AVC requer reabilitação e terapia contínuas, um fardo não apenas em um nível individual, mas também em um nível mais amplo, afetando significativamente o sistema nacional de saúde. Abordagens baseadas em tecnologia, como o uso de realidade virtual (VR) personalizada, demonstraram acelerar o processo de recuperação em comparação com intervenções não baseadas em tecnologias de informação e comunicação (TIC). A utilização da RV é considerada uma abordagem nova e eficaz de baixo custo para treinar novamente as funções motoras e cognitivas perdidas por meio de tarefas de treinamento estritamente definidas em um ambiente simulado seguro. No entanto, a maioria dessas novas abordagens de RV requer maior controle motor volitivo, portanto, são adequadas apenas para um subconjunto reduzido de pacientes, geralmente aqueles com melhor prognóstico de recuperação e melhor capacidade motora. Consequentemente, a ideia de treinar diretamente o sistema nervoso central foi estabelecida, através do uso de Interfaces Cérebro-Computador (BCIs) e imagens motoras (MI). BCIs podem ser descritos como sistemas de comunicação capazes de estabelecer um caminho alternativo entre a atividade cerebral do usuário e um computador, fornecendo um canal não muscular adicional para comunicação e controle para o mundo externo. Pesquisas anteriores mostraram que a prática mental da ação é útil no treinamento do MI-BCI, para obter a recuperação motora funcional por meio da reorganização das redes motoras. Além disso, o treinamento MI-BCI pode promover melhorias duradouras da função motora em pacientes com AVC. No entanto, embora os benefícios do MI-BCI tenham sido ilustrados em estudos recentes, as intervenções com pacientes em estudos longitudinais ainda são limitadas, sem evidências de longo prazo para apoiar sua relevância clínica. Uma das principais razões é devido à capacidade reduzida dos pacientes com AVC de controlar com precisão um sistema BCI, resultando em aquisição de habilidade pobre durante o treinamento. O objetivo deste projeto é desenvolver um novo e mais inclusivo sistema de reabilitação com o uso de tecnologias emergentes, a fim de superar as limitações atuais do treinamento MI-BCI para aplicações de reabilitação. Isso será alcançado identificando os correlatos neurais da ação motora e aquisição de habilidades durante a imaginação motora por meio de neuroimagem (EEG / fMRI), formular métodos de aprendizado de máquina para aumentar a precisão do sistema BCI, mas também potencializar o treinamento humano para aquisição de habilidades por meio do uso de VR neuroadaptativo. O objetivo final é generalizar os resultados em um paradigma de treinamento VR-BCI-MI para pacientes internados e ambulatoriais, bem como cuidados domésticos continuados. O impacto do projeto pode ser esperado em vários níveis. A nível científico, contribuirá para uma maior compreensão dos mecanismos neurofisiológicos da plasticidade cerebral subjacentes à recuperação motora após um AVC; e fornecer evidências adicionais necessárias sobre os benefícios das abordagens de reabilitação impulsionadas pelas TIC. A nível técnico fornecerá ferramentas para treino neuroadaptativo personalizado, aumentando a fiabilidade do VR-BCI para uso clínico ou doméstico. Finalmente, em um nível social, este projeto fornecerá acesso à terapia em uma faixa mais ampla de população, especialmente para aqueles com pior prognóstico.