Caracterizar los trastornos psiquiátricos a través de redes neuronales de gráficos: un análisis de conectividad...

Área de la Ciencia:

• La neurociencia
• La psiquiatría
• La inteligencia artificial en la medicina

Sus antecedentes:

• El trastorno depresivo mayor (MDD) y la esquizofrenia (SZ) son trastornos psiquiátricos graves con alteraciones generalizadas de las redes cerebrales.
• Comprender las similitudes y diferencias en las alteraciones de la red a gran escala es crucial para aclarar los mecanismos neuronales compartidos y específicos del trastorno.
• El aprendizaje profundo avanzado, particularmente las redes neuronales de gráficos (GNNs), ofrece nuevos métodos para analizar la conectividad cerebral compleja.

Objetivo del estudio:

• Emplear técnicas de aprendizaje profundo, específicamente GNNs, para identificar patrones comunes y distintos de redes cerebrales a gran escala en MDD y SZ.
• Para obtener información sobre los fundamentos neuronales comunes y específicos de estos trastornos psiquiátricos.
• Explorar el potencial de las GNN para la clasificación diagnóstica y el descubrimiento de biomarcadores en trastornos psiquiátricos.

Principales métodos:

• Aplicación de las arquitecturas GNN de última generación, incluida la GNN de agrupación jerárquica basada en la atención (SAGPool), a un conjunto de datos de IRMf en estado de reposo en múltiples sitios.
• Clasificación de los pacientes con trastorno depresivo mayor (TDM) y esquizofrenia (SZ) frente a los controles sanos (HC).
• Utilizó un método de explicabilidad basado en perturbaciones para identificar conexiones funcionales clave que influyen en las predicciones del modelo.

Principales resultados:

• El modelo SAGPool GNN logró altas precisiones de clasificación: 71,50% para MDD y 75,65% para SZ.
• Se identificaron patrones distintos de interrupción de la red a gran escala: alteraciones de la red de modo predeterminado (DMN) en MDD y alteraciones de la red de atención ventral (VAN) en SZ.
• Las conexiones funcionales específicas identificadas se correlacionaron significativamente con los síntomas clínicos en pacientes con SZ, incluidos los síntomas positivos y generales (PANSS).

Conclusiones:

• Las redes neuronales de gráficos son herramientas efectivas para descubrir patrones complejos de conectividad cerebral en trastornos psiquiátricos.
• El estudio proporciona nuevos conocimientos sobre los distintos mecanismos neuronales subyacentes a MDD y SZ.
• Estos hallazgos destacan el potencial de los modelos basados en gráficos para la clasificación diagnóstica y el descubrimiento de biomarcadores en la investigación psiquiátrica.