Video Experimental Relacionado
Updated: Sep 9, 2025
Whole-Brain Single-Cell Imaging and Analysis of Intact Neonatal Mouse Brains Using MRI, Tissue Clearing, and Light-Sheet Microscopy
Published on: August 1, 2022
Usar el aprendizaje profundo para predecir problemas de internalización de la estructura cerebral en la juventud
Marlee M Vandewouw1,2, Bilal Syed3, Noah Barnett4
1Autism Research Centre, Bloorview Research Institute, Holland Bloorview Kids Rehabilitation Hospital, Toronto, ON, Canada. mvandewouw@hollandbloorview.ca.
Los modelos de aprendizaje profundo que usan la estructura cerebral predijeron con éxito problemas de internalización como la ansiedad y la depresión. Estos modelos son prometedores para la identificación de marcadores biológicos, especialmente en condiciones de desarrollo neurológico.
Área de la Ciencia:
- La neurociencia
- Psicología del desarrollo
- Aprendizaje automático
Sus antecedentes:
- Los problemas de interiorización, como la ansiedad y la depresión, están relacionados con resultados negativos.
- Los predictores son conocidos, pero los marcadores biológicos para la internalización de los problemas siguen sin estar claros.
- Las condiciones de desarrollo neurológico (ND) con frecuencia coinciden con los problemas de internalización.
Objetivo del estudio:
- Utilizar el aprendizaje profundo para identificar complejas relaciones cerebro-comportamiento.
- Para predecir las trayectorias transversales y longitudinales de los problemas de internalización.
- Explorar la estructura del cerebro como biomarcadores potenciales para la internalización de los problemas.
Principales métodos:
- Se desarrollaron modelos de aprendizaje profundo utilizando medidas de estructura cerebral (espesor, área de superficie, volumen).
- Los modelos predijeron problemas de internalización clínicamente significativos en la sección transversal (N=14,523) y empeoramiento de las trayectorias longitudinales (N=10,540).
- Se analizaron datos de cuatro conjuntos de datos a gran escala (ABCD, HBN, HCP-D, ONPN) utilizando validación cruzada estratificada y evaluación de la AUC.
Principales resultados:
- El modelo transversal logró un AUC de 0,80, lo que indica un buen rendimiento predictivo.
- El modelo longitudinal mostró un rendimiento subóptimo en la población general (AUC=0,66) pero un buen rendimiento en ensayos externos de condiciones de ND (AUC=0,80) y en todas las condiciones de ND (AUC=0,73).
Conclusiones:
- Los modelos de aprendizaje profundo que incorporan la estructura del cerebro muestran potencial como biomarcadores para internalizar problemas.
- Estos biomarcadores pueden ser particularmente valiosos para las personas con condiciones de desarrollo neurológico.
- Se requiere más investigación para refinar estos modelos para su aplicación clínica.
