Consorcio de Imágenes de Alzheimer

Área de la Ciencia:

• Neuroimagen; Análisis de Imágenes Médicas; Neurociencia Computacional

Sus antecedentes:

• Los avances en el reconocimiento facial automatizado exigen software de desfiguración para las RM cerebrales.; Las herramientas de desfiguración actuales se validan en grupos etnorraciales limitados, principalmente participantes blancos no hispanos.; Las disparidades de rendimiento en el software de desfiguración en poblaciones diversas siguen sin estudiarse.

Objetivo del estudio:

• Evaluar el rendimiento del software de desfiguración en diferentes grupos etnorraciales.; Comparar el impacto de la desfiguración en las mediciones cerebrales (volumen de materia gris y grosor cortical) en individuos blancos no hispanos, afroamericanos y mexicoamericanos.

Principales métodos:

• Se utilizaron datos de RM con ponderación T1 de 305 participantes de la cohorte Health and Aging Brain Study: Health Disparities (HABS-HD).; Se emparejaron participantes de tres grupos etnorraciales (blancos no hispanos, afroamericanos, mexicoamericanos) por edad, sexo y estado cognitivo.; Se aplicó el software mri_reface para la desfiguración y FreeSurfer para las mediciones cerebrales, comparando las diferencias entre las imágenes desfiguradas y las originales entre los grupos.

Principales resultados:

• Las diferencias en el grosor cortical debidas a la desfiguración variaron significativamente entre los grupos de blancos no hispanos y mexicoamericanos, y entre los grupos de afroamericanos y mexicoamericanos.; Las diferencias en el volumen de materia gris fueron significativas entre los grupos de afroamericanos y mexicoamericanos.; Las diferencias observadas fueron generalmente pequeñas, con un impacto mínimo en la mayoría de las regiones cerebrales analizadas.

Conclusiones:

• El software de desfiguración presenta variaciones de rendimiento etnorraciales en estudios de neuroimagen.; Aunque estadísticamente significativas, las diferencias observadas en las mediciones cerebrales es poco probable que afecten los análisis actuales.; El trabajo futuro se centrará en optimizar los algoritmos de desfiguración para garantizar un rendimiento equitativo en todas las poblaciones.