Los resultados indican que la clave para una predicción sólida es el uso de conectividad efectiva (CE) en vez de conectividad funcional (CF) y de técnicas de aprendizaje automático adecuadas.
El trabajo ha sido llevado a cabo por Vicente Pallaré, Andrea Insabato, Anna Sanjuan y Matthieu Gilson, investigadores del Centro de Cognición y Cerebro, que lidera Gustavo Deco, profesor de investigación Icrea del Departamento de Tecnologías de la Información y las Comunicaciones (DTIC) de la UPF, con participación de centros europeos y de Estados Unidos.
La conectividad funcional (CF) en estado de reposo cerebral indica las áreas del cerebro la actividad de la cual está correlacionada, mientras que la conectividad efectiva (CE) entre diferentes áreas cerebrales indica como unas áreas influyen directamente sobre las otras.
En este sentido, la conectividad efectiva describe interacciones reales (o causales) entre las áreas y se mide usando un modelo dinámico. En este trabajo se considera que la conectividad efectiva soporta mejor rendimiento que la conectividad funcional en la clasificación del estado cerebral.
El estudio basado solo en las imágenes de la fMRI puede ser limitado
La fMRI mide la cantidad de oxígeno en sangre de zonas concretas del cerebro y es una prueba indirecta de la actividad neuronal. Utiliza ondas de radiofrecuencia y un campo magnético muy potente con el fin de obtener imágenes muy detalladas del cerebro.
| TLa fMRI mide la cantidad de oxígeno en sangre de zonas concretas del cerebro |
Esta técnica se ha empleado en el diagnóstico clínico de enfermedades neurológicas, psiquiátricas y alteraciones en la funcionalidad cerebral constituyen signos clínicos de diferentes trastornos cerebrales y del comportamiento.
Sin embargo, el estudio de la conectividad cerebral basada en las imágenes provenientes de la resonancia magnética funcional a veces está limitada por el hecho de que estos valores pueden variar de una sesión a otra según sean las condiciones experimentales o en estudio, lo cual pone en peligro su reproducibilidad y fiabilidad a nivel individual.
De cara a poder aplicar los resultados de la investigación a la práctica clínica real, a menudo con pocas sesiones de grabación, es crucial clarificar cuál es el valor diagnóstico de la fMRI en cada caso.
Un estándar fiable para la extracción de biomarcadores de actividad cerebral
El nuevo método propuesto por los autores proporciona información de la comunicación entre áreas cerebrales según sea la actividad o el estado cerebral, y consta de dos partes. En la primera se compara la estimación la conectividad efectiva del cerebro completo con herramientas adecuadas de aprendizaje automático para controlar la variabilidad de sesión a sesión.
«Hemos demostrado como las herramientas de aprendizaje automático, como el MLR (Multinomial Logistic Regression), permiten una cuantificación de la ortogonalidad topológica entre los biomarcadores, además de extraerlos de forma eficiente», indican los autores.
La idea de los investigadores ha sido comparar los valores de CE y de CF con la capacidad de generalización, a través de sesiones de fMRI en estado de reposo respecto de otros estados. «Nuestro estudio demuestra que los biomarcadores basados en CE son muy robustas para la variabilidad de sesión a sesión (mucho más que con CF) y se pueden obtener basándose en un número limitado de sesiones, a saber, 4-5 sesiones de grabación (de 5 minutos cada una) para clasificar 40 o más sesiones».
Predicen la identidad y la condición de cada participante
En la segunda parte del método, los investigadores hacen una predicción de la identidad y la condición de cada individuo participante -en estado de reposo y haciendo una tarea visual- para verificar que la conectividad efectiva (CE) puede servir de biomarcardor para los dos tipos de estado.
| Proponen un marco teórico para extraer biomarcadores que permiten cuantificar la interferencia que hay entre ellos |
Para ello, «examinamos la distribución topológica de los enlaces de la CE que apoyan la doble clasificación, que nos permite cuantificar la superposición entre los dos biomarcadores». Esta segunda parte ha buscado evaluar la capacidad de generalización de la CE para la clasificación multivariante.
«Nuestro método, con muy pocas conexiones cerebrales, demuestra tener excelentes capacidades de generalización para la identificación de temas en dos conjuntos de datos, utilizando sólo unas pocas sesiones para tema como referencia», explican.
En este estudio se propone un marco teórico para extraer, a partir de datos fMRI, biomarcadores relacionados con diversas modalidades que permiten cuantificar la interferencia existene entre ellos.
La doble clasificación de la identidad de los participantes y las condiciones de comportamiento va más allá de los estudios previos que utilizaron la conectividad funcional como «huella digital», de modo que «nuestros resultados establecen sólidos fundamentos para aplicaciones adaptadas a temas individuales en el diagnóstico clínico», indican los autores de esta investigación.