Procedimiento automatizado de normalización en línea para BOLD-CVR utilizando el desplazamiento temporal en estado de...

Área de la Ciencia:

• Neuroimagen
• Neurología Vascular
• Aprendizaje Automático en Medicina

Sus antecedentes:

• La evaluación de la reactividad cerebrovascular (CVR) es crucial para estimar el deterioro hemodinámico.
• Los métodos convencionales de CVR enfrentan desafíos en la enfermedad bilateral debido a factores de confusión.
• Trabajos anteriores identificaron firmas de vóxeles sanos a partir de datos de imagen.

Objetivo del estudio:

• Introducir un enfoque automatizado en línea para predecir la CVR de vóxeles sanos utilizando señales BOLD en estado de reposo (rs-BOLD).
• Hipotetizar la predicción precisa de la CVR de vóxeles sanos dentro del 10% de error con respecto a la verdad fundamental.
• Superar las limitaciones de la evaluación actual de CVR en la enfermedad cerebrovascular bilateral.

Principales métodos:

• Desarrollo de modelos de aprendizaje automático entrenados con datos de referencia de rs-BOLD, parámetros anatómicos y vasculares de 22 pacientes con enfermedad unilateral estenosis-oclusiva (EOS) y 20 controles sanos.
• Cálculo de 32 retardos temporales distintos y 32 valores máximos de correlación por vóxel, restringidos a territorios arteriales emparejados.
• Evaluación del rendimiento predictivo frente a los valores de CVR de referencia de la verdad fundamental.

Principales resultados:

• El modelo ensamblado logró un AUC de 0.81 en la predicción de vóxeles no afectados, con un error porcentual absoluto mediano de 7.28% para la CVR de referencia mediana.
• Demostró una mejora significativa con respecto a la selección ingenua de vóxeles en todo el cerebro (P=0.005) y la normalización cerebelosa convencional (error mediano 26.4%).
• En casos bilaterales, el modelo mostró una reducción de los vóxeles candidatos pero una mejora en la delineación de las regiones anormales.

Conclusiones:

• Se demuestra la viabilidad de aprender firmas de CVR de vóxeles de referencia no afectados utilizando imágenes BOLD-CVR por resonancia magnética.
• Este enfoque automatizado amplía las capacidades de evaluación de CVR cerebral más allá de las limitaciones actuales, particularmente para la enfermedad bilateral.
• El método ofrece una estimación más robusta de la CVR en condiciones cerebrovasculares complejas.