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

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.