Vías neuronales para el éxito bariátrico: lo que la IA explicable revela que los métodos convencionales de fMRI...

Área de la Ciencia:

• La neurociencia
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• La cirugía metabólico-bariátrica (MBS) es un tratamiento clave para la obesidad, pero el 15-30% de los pacientes no obtienen los resultados deseados.
• Los marcadores actuales para predecir el éxito de MBS son limitados.
• Las diferencias individuales en la función cerebral preoperatoria pueden influir en el éxito a largo plazo de MBS.

Objetivo del estudio:

• Para identificar los patrones neuronales que predicen la pérdida de peso exitosa después de MBS.
• Investigar el papel de la función cerebral preoperatoria en los resultados de MBS.
• Explorar la utilidad del aprendizaje automático y la resonancia magnética funcional para predecir el éxito quirúrgico.

Principales métodos:

• Se recogieron datos de resonancia magnética funcional en estado de reposo de 45 pacientes antes de MBS.
• Utilizó análisis convencionales y un enfoque de aprendizaje automático (perceptrón de múltiples capas) en conectividad funcional, actividad cerebral y datos clínicos.
• Explicaciones aplicadas de los aditivos SHapley (SHAP) para la interpretación del modelo.

Principales resultados:

• Los métodos convencionales eran insuficientes.
• Un modelo de perceptrón multicapa que utilizaba sólo conectividad funcional logró un AUC de 0,85.
• El análisis SHAP identificó circuitos clave en el giro postcentral, la corteza prefrontal dorsolateral y el giro angular vinculados al éxito.

Conclusiones:

• La resonancia magnética funcional explicada por IA reveló patrones neuronales sutiles que no se conocían por los métodos convencionales.
• Los patrones neurales preoperatorios, incluidos los procesos interoceptivos y sociocognitivos, son cruciales para el éxito de MBS.
• La "preparación neuronal" para el MBS puede implicar más que circuitos autorreguladores.