MODELADO CAUSAL DE SERIES TEMPORALES DE FMRI PARA LA CLASIFICACIÓN INTERPRETADA DEL TRASTORNO DEL ESPECTRO AUTISTA

Área de la Ciencia:

• Neurociencia
• Inteligencia Artificial
• Ingeniería Biomédica

Sus antecedentes:

• El trastorno del espectro autista (TEA) es un trastorno del desarrollo que afecta las habilidades sociales y de comunicación, lo que requiere un diagnóstico temprano para obtener mejores resultados.
• La resonancia magnética funcional (fMRI) es crucial para comprender la actividad cerebral en el TEA, pero los modelos tradicionales luchan con interacciones complejas.
• Los modelos de aprendizaje automático existentes a menudo se basan en correlaciones, sin capturar las relaciones no lineales cruciales para la identificación del TEA.

Objetivo del estudio:

• Desarrollar un novedoso modelo de aprendizaje profundo inspirado en la causalidad para mejorar la clasificación del TEA utilizando datos de fMRI.
• Capturar interacciones causales no lineales entre las regiones cerebrales para una detección más precisa del TEA.
• Identificar regiones cerebrales específicas que exhiben causalidad alterada en personas con TEA.

Principales métodos:

• Se implementó un modelo de aprendizaje profundo que utiliza datos de series temporales de fMRI para inferir la causalidad entre las regiones de interés (ROI).
• Se validó el modelo en el conjunto de datos ABIDE, aplicando un filtro de calidad de datos (FD media < 15 mm).
• Se comparó el rendimiento con modelos de referencia y de última generación utilizando validación cruzada de 5 pliegues.

Principales resultados:

• El modelo propuesto inspirado en la causalidad logró la mayor precisión de clasificación (71,9%) y AUC (75,8%).
• El análisis de causalidad inter-ROI identificó el precúneo izquierdo, el precúneo derecho y el cerebelo como significativamente alterados en el TEA.
• Estas ROI identificadas no estuvieron entre las de mayor rango en el grupo de control, lo que sugiere cambios en la red causal específicos del TEA.

Conclusiones:

• El modelo de aprendizaje profundo inspirado en la causalidad ofrece un enfoque prometedor para el diagnóstico del TEA utilizando fMRI.
• La causalidad inter-ROI alterada en el precúneo y el cerebelo puede representar marcadores neurales clave para el TEA.
• Este marco causal mejora la comprensión de la dinámica de la red cerebral en el trastorno del espectro autista.