La forma importa: Predicción de la enfermedad de Huntington mediante el modelado de la progresión

Área de la Ciencia:

• Neuroimagen
• Neurociencia Computacional
• Ciencia de Datos Biomédicos

Sus antecedentes:

• Los modelos actuales de progresión de la enfermedad de Huntington (EH) en ensayos clínicos no utilizan la morfometría estriatal detallada (información de la forma).
• Esto limita la precisión de la selección de participantes y la evaluación de los resultados del tratamiento en la investigación clínica para personas con EH (PwEH).

Objetivo del estudio:

• Investigar la utilidad de los descriptores de la forma del cerebro subcortical en el modelado de la progresión de la EH.
• Evaluar si la información de la forma puede mejorar los modelos predictivos para biomarcadores de la enfermedad en comparación con los datos volumétricos.

Principales métodos:

• Se validó una red neuronal profunda para extraer descriptores de forma de las estructuras subcorticales en 2.932 escáneres cerebrales de 615 PwEH de tres conjuntos de datos longitudinales.
• Se entrenó un modelo generativo condicional utilizando descriptores de forma, datos volumétricos, genéticos y clínicos para predecir biomarcadores de progresión de la enfermedad.

Principales resultados:

• Las formas anatómicas de las estructuras subcorticales clave (putamen, ventrículo lateral, pálido, caudado, tálamo, accumbens) se correlacionaron fuertemente con la progresión de la EH.
• Los descriptores de forma agregados mediante análisis de componentes principales mostraron una mayor correlación con la etapa de la enfermedad (ρ = 0,72) que las mediciones volumétricas (ρ = 0,45).
• La incorporación de la forma subcortical en el modelo generativo mejoró significativamente el rendimiento predictivo en comparación con los modelos que solo usaban volúmenes cerebrales.

Conclusiones:

• La forma del cerebro subcortical es un correlato significativo de la progresión de la EH y captura una variabilidad más fina dentro de la etapa.
• Los modelos basados en la forma mejoran la predecibilidad de los biomarcadores de la EH, ofreciendo potencial para una selección más precisa de los participantes en ensayos clínicos.
• Este enfoque podría conducir a evaluaciones post-intervención más objetivas de la eficacia del tratamiento en futuros ensayos clínicos de EH.