Nuevo modelo puede predecir la capacidad de respuesta de un paciente al tratamiento de salud mental basado en resonancia magnética funcional

La alta capacidad de generalización del nuevo modelo de predicción de aptitud de neurorretroalimentación (NF) desarrollado por científicos de NAIST Japón ofrece un método rápido, simple y no invasivo para evaluar candidatos en entornos clínicos para quienes el entrenamiento fMRI-NF sería más beneficioso. Crédito: Instituto de Ciencia y Tecnología de Nara

Los avances en la ciencia médica han permitido el tratamiento de trastornos psiquiátricos como el trastorno depresivo mayor (MDD) con capacitación en neurorretroalimentación de imágenes por resonancia magnética funcional (fMRI-NF). El entrenamiento fMRI-NF es un tipo de tratamiento que proporciona una forma no invasiva de controlar y reforzar las funciones cerebrales en pacientes con trastornos mentales mediante el uso de la monitorización fMRI en tiempo real. Sin embargo, la efectividad del tratamiento no es universal, está influenciada por un parámetro llamado aptitud de neurofeedback (NF).

La aptitud de NF se refiere a la capacidad de un individuo para responder al entrenamiento de NF mostrando cambios en la actividad cerebral. Pero la aptitud de NF varía de un individuo a otro. Por lo tanto, predecir la aptitud de NF de un paciente se vuelve importante no solo para el éxito del entrenamiento de fMRI-NF, sino también para reducir la carga física y económica para el paciente y el sistema de atención médica. Hasta ahora, los modelos de predicción de aptitudes de NF se han centrado en regiones objetivo específicas del cerebro, donde se centró el entrenamiento de NF. Ahora, en un nuevo estudio publicado en NeuroImage, un grupo de científicos japoneses, dirigido por Junichiro Yoshimoto del Instituto de Ciencia y Tecnología de Nara, Japón, ha desarrollado con éxito un modelo matemático para la predicción de la aptitud NF con una alta capacidad de generalización.

Hablando sobre su investigación, Yoshimoto dice: «Aplicamos el aprendizaje automático, que es una derivación de la tecnología de inteligencia artificial (IA), en datos obtenidos de personas sanas y pacientes con trastorno depresivo mayor para desarrollar con éxito un modelo matemático que puede predecir la aptitud de entrenamiento individual fMRI-NF, en función de su actividad cerebral pregrabada en el estado de reposo».

Para llegar al modelo, los científicos primero estudiaron imágenes fMRI de pacientes sanos y pacientes con MDD antes Entrenamiento fMRI-NF. Luego usaron estas imágenes para calcular la conectividad funcional (FC) en estado de reposo, que describe las actividades correlacionadas o anticorrelacionadas en diferentes áreas del cerebro. Luego aplicaron una técnica llamada ‘regresión de mínimos cuadrados parciales’ (PLS) para transformar los patrones de FC en la aptitud de NF de los participantes. Además, determinaron qué FC eran más efectivos para predecir la aptitud de NF.

Descubrieron que el modelo PLS podía generalizarse al conjunto de datos independientes de otros institutos, es decir, podía predecir con éxito la aptitud de NF de los individuos basándose en únicamente en la resonancia magnética funcional en estado de reposo. También encontraron que una parte del cerebro llamada corteza cingulada posterior era el centro funcional entre las regiones del cerebro, lo que sugiere que juega un papel importante en la aptitud de NF. «Creemos que nuestra investigación ayudará a que el entrenamiento con fMRI-NF se vuelva más popular como un tratamiento no invasivo con efectos secundarios mínimos para pacientes con trastornos de salud mental», concluye Yoshimoto.

Aunque el estudio se centró en MDD , la generalización del modelo desarrollado en este estudio asegura que se puede aplicar a diferentes trastornos neuropsicológicos, brindando esperanza a los pacientes que padecen enfermedades mentales y trastornos neurológicos.

Explore más

Las conmociones cerebrales múltiples pueden interrumpir la conectividad cerebral en los adolescentes Más información: Takashi Nakano et al, La actividad cerebral en estado de reposo puede predecir la aptitud independiente del objetivo en el entrenamiento de neurorretroalimentación con fMRI, NeuroImage (2021). DOI: 10.1016/j.neuroimage.2021.118733 Información de la revista: NeuroImage

Proporcionado por el Instituto de Ciencia y Tecnología de Nara Cita: El nuevo modelo puede predecir la capacidad de respuesta de un paciente a la IRMf -based mental health treatment (2021, 22 de diciembre) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-12-patient-responsiveness-fmri-based-mental-health.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.