El aprendizaje profundo, un tipo de inteligencia artificial, puede aumentar el poder de la
resonancia magnética en la predicción del trastorno por déficit de atención con hiperactividad (
TDAH), según un estudio publicado en
Radiology: Artificial Intelligence Los investigadores dijeron que el enfoque también podría tener aplicaciones para otras
afecciones neurológicas.
El
cerebro humano es un
conjunto complejo de
redes. Los
avances en la
resonancia magnética funcional, un tipo de imagen que mide la actividad cerebral mediante la detección de cambios en el
flujo sanguíneo, han ayudado a
mapear las
conexiones dentro y entre las redes cerebrales. Este mapa cerebral integral se conoce como el conectoma.
Cada vez más, el
conectoma se considera clave para comprender los trastornos cerebrales como el TDAH, una condición que dificulta que una persona preste atención y controle su comportamiento inquieto.
El trastorno aún
no se puede diagnosticar definitivamente en un niño individual con
una sola prueba o
examen de imagen médica. En cambio, el diagnóstico de TDAH se basa en una serie de síntomas y pruebas basadas en el comportamiento.
Parcelaciones cerebrales
La resonancia magnética cerebral tiene un papel potencial en el
diagnóstico, ya que la investigación sugiere que el TDAH resulta de algún tipo de ruptura o interrupción en el conectoma. El conectoma se construye a partir de regiones espaciales, a través de la imagen de la resonancia magnética, conocidas como
parcelaciones.
|
"Nuestros resultados enfatizan el poder predictivo del conectoma cerebral"
|
Las parcelaciones cerebrales se pueden definir en función de
criterios anatómicos, criterios
funcionales o
ambos. El cerebro puede estudiarse a diferentes escalas basadas en diferentes parcelaciones cerebrales.
Estudios anteriores se han centrado en el llamado enfoque de escala única, donde el conectoma se construye en base a una sola parcela. Para el nuevo estudio, los investigadores de la Facultad de Medicina de la Universidad de Cincinnati y el Centro Médico del Hospital de Niños de Cincinnati tuvieron una visión más integral. Desarrollaron un
método de
múltiples escalas que utilizaba múltiples mapas de conectoma basados en múltiples parcelaciones.
Para construir el modelo de aprendizaje profundo, los investigadores utilizaron datos del conjunto de datos 'NeuroBureau ADHD-200'. El modelo usó los datos del conectoma cerebral a escala múltiple de los
973 participantes del proyecto junto con características personales relevantes, como el
género y el
cociente intelectual.
Mejora de la detección
El enfoque multiescala
mejoró significativamente el
rendimiento de
detección de TDAH con el uso de un método de escala única.
"Nuestros resultados enfatizan el
poder predictivo del conectoma cerebral", ha señalado la autora principal del estudio,
Lili He, del Centro Médico del Hospital Infantil de Cincinnati. "El conectoma funcional cerebral construido que abarca múltiples escalas proporciona información complementaria para la representación de redes en todo el cerebro".
Al mejorar la precisión del diagnóstico, el diagnóstico basado en la imagen de la resonancia magnécia con ayuda de
aprendizaje profundo podría ser clave para implementar
intervenciones tempranas para pacientes con TDAH.
Además, tal y como ha apuntado Lili He, "este modelo puede generalizarse a otras deficiencias neurológicas". "Ya lo usamos para predecir la deficiencia cognitiva en los bebés prematuros. Los escaneamos poco después del nacimiento para predecir los resultados del desarrollo neurológico a los dos años de edad".
Aunque pueda contener afirmaciones, datos o apuntes procedentes de instituciones o profesionales sanitarios, la información contenida en Redacción Médica está editada y elaborada por periodistas. Recomendamos al lector que cualquier duda relacionada con la salud sea consultada con un profesional del ámbito sanitario.