Una nueva forma de analizar los datos de resonancia magnética funcional ofrece un camino para mejorar el tratamiento de la esquizofrenia

Una imagen de resonancia magnética funcional con áreas amarillas que muestra una mayor actividad. Crédito: Wikipedia/ CC BY 3.0

Investigadores de la Universidad de Maryland, condado de Baltimore (UMBC) han desarrollado herramientas para mejorar el análisis de datos de resonancia magnética funcional (fMRI). Tlay Adali, profesor de informática e ingeniería eléctrica y director del Laboratorio de aprendizaje automático para procesamiento de señales de la UMBC, y Qunfang Long, Ph.D. candidato en UMBC en ingeniería eléctrica, han encabezado un trabajo innovador que identifica patrones clave en imágenes cerebrales para personas con enfermedades mentales particulares, como la esquizofrenia. Esta nueva investigación se publica en NeuroImage Volumen 216. Su trabajo puede ayudar en el diagnóstico y tratamiento de pacientes con enfermedades mentales que pueden ser difíciles de identificar. También puede mostrar a los médicos si los tratamientos actuales han funcionado o no en función de agrupaciones de imágenes.

El método de análisis de imágenes desarrollado por Adali y Long se denomina análisis vectorial independiente (IVA) para la extracción del subespacio común (CS). A través de este método, pudieron categorizar subgrupos de datos de fMRI basándose únicamente en la actividad cerebral, lo que demuestra que existe una conexión entre la actividad cerebral y ciertas enfermedades mentales. En particular, pudieron identificar subgrupos de pacientes con esquizofrenia utilizando los datos de IRMf que analizaron.

Anteriormente, no había una forma clara de agrupar la esquizofrenia en pacientes basándose únicamente en imágenes cerebrales, pero los métodos desarrollados por Adali y Long muestran que existe una conexión significativa entre la actividad cerebral de un paciente y sus diagnósticos. «La parte más emocionante es que descubrimos que los subgrupos identificados poseen importancia clínica al observar sus síntomas de diagnóstico», explica Long. «Este hallazgo nos animó a esforzarnos más en el estudio de los subtipos de pacientes con esquizofrenia utilizando datos de neuroimagen».

Es importante destacar que el método IVA-CS utilizado para identificar estos subgrupos también conserva matices en los datos, pero todavía representa agrupaciones estadísticamente significativas. «Ahora que los métodos basados en datos han ganado popularidad, un gran desafío ha sido capturar la variabilidad de cada sujeto y, al mismo tiempo, realizar análisis en conjuntos de datos de fMRI de una gran cantidad de sujetos. Ahora podemos realizar este análisis de manera efectiva e identificar agrupaciones significativas de sujetos», dice Adali.

Diagnosticar y tratar una enfermedad mental es increíblemente complejo. La misma enfermedad se presentará de manera diferente en diferentes pacientes y, a menudo, no existe un tratamiento único que sea efectivo para todos los pacientes. Una vez que se implementa un tratamiento, determinar si es exitoso también puede variar según el paciente. La investigación de Adali y Long junto con su antiguo colaborador Vince Calhoun en el Tri-institucional Center for Translational Research in Neuroimaging and Data Science en Georgia, EE. subgrupos de diagnóstico relativamente homogéneos, y luego comparar los resultados de fMRI a lo largo del tiempo para el mismo paciente. Considere un paciente esquizofrénico que recibe tratamiento y regresa a los seis meses para ser evaluado nuevamente. Si sus datos de fMRI se parecen más a los del grupo de control de pacientes mentalmente sanos que a los de otros pacientes con esquizofrenia, eso es evidencia objetiva de que el tratamiento está funcionando. A mayor escala, estos datos brindan una mejor perspectiva de los resultados médicos de los pacientes como resultado del tratamiento.

Para mejorar aún más este innovador análisis de datos de fMRI, el equipo de Adali trabajará con datos longitudinales para determinar qué los tratamientos funcionan mejor para subgrupos de pacientes con enfermedades mentales específicas. Este método también se usará en un estudio longitudinal de adolescentes para ver si existen vínculos entre las imágenes de fMRI y los patrones de adicción y uso de sustancias de esos adolescentes a lo largo del tiempo.

Explore más

Desbloqueo de pistas sobre el riesgo de disfunción cognitiva y trastornos mentales Más información: Qunfang Long et al, Independent vector analysis for common subspace analysis: Application to multi-sujeto fMRI data yields significant subgrupos de esquizofrenia, NeuroImage (2020). DOI: 10.1016/j.neuroimage.2020.116872 Información del diario: NeuroImage

Proporcionado por la Universidad de Maryland Condado de Baltimore Cita: Nueva forma de analizar los datos de fMRI ofrece un camino para mejorar tratamiento para la esquizofrenia (26 de junio de 2020) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-06-fmri-path-treatment-schizophrenia.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.