La actividad cerebral puede revelar la gravedad de los rasgos autistas
Crédito: Escuela Superior de Economía de la Universidad Nacional de Investigación
Un equipo de investigadores de Rusia e Israel aplicó un nuevo algoritmo para clasificar la gravedad de los rasgos autistas de la personalidad mediante el estudio de la actividad cerebral de los sujetos .
El artículo Informe breve: clasificación de rasgos autistas según la actividad cerebral recopilada por fNIRS usando coeficientes de complejidad está publicado en el Journal of Autism and Developmental Disorders.
Al diagnosticar el autismo y otros trastornos mentales, los médicos utilizan cada vez más métodos de neuroimagen además de las pruebas y la observación tradicionales. Dichos métodos de diagnóstico no solo son más objetivos, sino que también suelen revelar la presencia de un trastorno en los casos en que el médico no tiene suficientes datos de comportamiento, como cuando el paciente es joven.
Una tarea importante en el El desarrollo de métodos de diagnóstico es la selección de un algoritmo que pueda identificar ciertos patrones de actividad cerebral. Dado que las células cerebrales generan muchos impulsos eléctricos por segundo, los datos en bruto a menudo son insuficientes para sacar conclusiones. Primero se deben procesar los datos.
Un equipo de investigadores de Rusia e Israel estudió uno de estos algoritmos. El experimento involucró a 26 sujetos sanos, aunque 5 fueron excluidos de la muestra final debido a señales ruidosas. Primero, los participantes completaron el Cociente del espectro autista y, según el resultado de la prueba, se dividieron en dos grupos: aquellos con rasgos autistas fuertes y aquellos con rasgos autistas débiles.
Luego, los participantes realizaron una prueba sincronizada interpersonal. tarea de movimiento: se pidió a cada sujeto que moviera su mano derecha en sincronización con la del investigador durante varios minutos mientras se registraba su actividad cerebral. Las tareas de sincronización interpersonal a menudo se utilizan en el diagnóstico de los trastornos del espectro autista porque las personas con TEA tienen dificultades para coordinar acciones conjuntas.
En lugar de la resonancia magnética o el EEG tradicionales, los investigadores eligieron la espectroscopia de infrarrojo cercano funcional (fNIRS) para registrar a los sujetos. ‘ actividad cerebral.
La tecnología FNIRS se basa en medir los niveles de oxígeno en los vasos sanguíneos del cerebro usando luz infrarroja. A diferencia de fMRI, fNIRS es una tecnología más asequible y portátil que no hace ruido, por lo que esta técnica de neuroimagen es adecuada para estudiar la actividad cerebral de las personas con autismo.
Para analizar los datos de actividad cerebral, los investigadores coeficientes de complejidad utilizados. Este enfoque matemático relativamente nuevo permitió a los investigadores extraer información significativa de patrones complejos y ruidosos. Basándose en los datos procesados de esta manera, los investigadores utilizaron métodos de clasificación clásicos para dividir a los sujetos en grupos según las características de la actividad cerebral al realizar la tarea de sincronización.
Al experimentar con estos algoritmos, los científicos pudieron lograr una precisión de predicción superior al 90%: en 9 de cada 10 casos, la evaluación de la gravedad de los rasgos autistas en los sujetos mediante neuroimagen coincidió con los resultados del cuestionario que los participantes cumplimentaron al principio.
La nueva tecnología se puede utilizar como una herramienta de diagnóstico para los trastornos del espectro autista, ya que es más accesible y conveniente cuando se trabaja con personas con TEA en comparación con la resonancia magnética funcional.
Además, este estudio ha aplicado con éxito -complejidad teoría por primera vez para decodificar datos registrados con fNIRS. Esto abre la posibilidad de utilizar el nuevo algoritmo en otros estudios con tecnología fNIRS.
‘Utilizamos la metodología -complexity, que ha sido desarrollada en los últimos años por el dr. Darkhovsky BS, en nuestro estudio para desarrollar un algoritmo para clasificar pacientes basado en registros fNIRS de actividad cerebral. La tecnología sin modelo resultante para el análisis de series temporales se puede utilizar en casos en los que se violan los requisitos previos de los métodos tradicionales de análisis, por ejemplo, cuando se trabaja con señales de ECG y EEG significativamente no estacionarias. Por lo tanto, esta tecnología se puede utilizar para estudiar otros trastornos y características mentales, cuyos patrones aparecen en los datos», dice el coautor del estudio Yuri Dubnov, profesor titular de informática en la Universidad HSE.
Explore más
La tecnología permite a los médicos detectar tinnitus de manera objetiva por primera vez Más información: Anat Dahan et al, Informe breve: clasificación de rasgos autistas según la actividad cerebral recopilada por fNIRS usando coeficientes de complejidad, Journal of Autism and Developmental (2020). DOI: 10.1007/s10803-020-04793-w Información de la revista: Journal of Autism and Developmental Disorders
Proporcionado por la Escuela Superior de Economía de la Universidad Nacional de Investigación Cita: La actividad cerebral puede revelar la gravedad de los rasgos autistas (11 de febrero de 2021) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-02-brain-reveal-severity-autistic-traits.html Este documento está sujeto a derechos de autor. cualquier trato justo con el propósito de estudio o investigación privada, ninguna parte puede ser reproducida sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.