Árbol de la vida útil de la anatomía cerebral: valores de diagnóstico para enfermedades neurodegenerativas motoras y cognitivas

Área de la Ciencia:

• La neurociencia
• Inteligencia artificial
• Imágenes médicas

Sus antecedentes:

• El diagnóstico de enfermedades neurodegenerativas es un desafío debido a la superposición de síntomas.
• Las herramientas actuales de diagnóstico de IA a menudo se centran en diferenciar enfermedades individuales de controles sanos.
• Se necesitan métodos que permitan el diagnóstico diferencial simultáneo de múltiples afecciones.

Objetivo del estudio:

• Desarrollar un nuevo marco de aprendizaje automático, el árbol de la vida útil de la anatomía cerebral, para el diagnóstico diferencial simultáneo de enfermedades neurodegenerativas.
• Integrar los cambios en el volumen de la estructura cerebral a lo largo de la vida con técnicas de IA para el modelado de la progresión de la enfermedad interpretable.
• Demostrar la eficacia del marco en el diagnóstico de subtipos de demencia y parkinsonismo.

Principales métodos:

• Desarrolló un marco de aprendizaje automático que integra los cambios de volumen de vida de 124 estructuras cerebrales.
• Se utiliza la reducción de dimensionalidad no lineal y el muestreo sintético para representaciones interpretables.
• Entrenó al modelo en 37.594 imágenes de resonancia magnética para enfermedades neurodegenerativas cognitivas y motoras.
• Validación del enfoque en una cohorte independiente de 1754 casos.

Principales resultados:

• El marco del árbol de vida útil demostró una mayor eficiencia en el diagnóstico diferencial en comparación con los métodos existentes.
• Logró una alta precisión en la distinción entre múltiples causas de demencia neurodegenerativa y parkinsonismo.
• El enfoque proporcionó representaciones interpretables de los cambios en la anatomía cerebral durante la progresión de la enfermedad.

Conclusiones:

• El árbol de la vida de la anatomía cerebral es una herramienta prometedora para el diagnóstico diferencial de enfermedades neurodegenerativas complejas.
• Este enfoque impulsado por la IA puede mejorar significativamente la precisión del diagnóstico, especialmente para enfermedades que carecen de biomarcadores claros.
• El marco ofrece un método valioso para comprender y diagnosticar afecciones con presentaciones clínicas superpuestas.