Autor/autores:
Amanda L. Rodrigue, Dana Mastrovito, Oscar Esteban...(et.al)
El progreso en la psiquiatría de precisión se basa en la identificación de biomarcadores de diagnóstico fiables a nivel individual. Para la psicosis, las medidas de conectividad estructural y funcional podrían ser biomarcadores prometedores dados los informes consistentes de desconexión entre los trastornos psicóticos que utilizan imáge...
Estás viendo una versión reducida de este contenido.
Para consultar la información completa debes registrarte gratuitamente.
Tan sólo te llevará unos segundos.
Y si ya estás registrado inicia sesión pulsando aquí.
El progreso en la psiquiatría de precisión se basa en la identificación de biomarcadores de diagnóstico fiables a nivel individual. Para la psicosis, las medidas de conectividad estructural y funcional podrían ser biomarcadores prometedores dados los informes consistentes de desconexión entre los trastornos psicóticos que utilizan imágenes de resonancia magnética.
Aprovechamos los datos de 4 cohortes independientes de pacientes con psicosis y controles con observaciones de aproximadamente 800 personas. Usamos análisis a nivel de grupo y dos algoritmos de aprendizaje automático supervisados (máquinas de vectores de soporte (SVM) y regresión de crestas) para probar dentro, entre y a través del rendimiento de clasificación de muestras de métricas de conectividad de materia blanca y estado de reposo.
Aunque reproducimos las diferencias a nivel de grupo en la conectividad cerebral, la clasificación a nivel individual fue subóptima. El rendimiento de clasificación dentro de la muestra varió entre los pliegues (rango de AUC más alto = 0, 30) y entre los conjuntos de datos (rango de AUC de SVM promedio = 0, 50; rango de AUC de regresión de cresta promedio = 0, 18). El rendimiento de la clasificación entre muestras fue igualmente variable o dio como resultado valores de AUC alrededor de 0, 65, lo que indica una falta de generalización del modelo. Además, el colapso entre las muestras (rsfMRI N = 888, DTI N = 860) no mejoró el rendimiento del modelo (AUC máxima = 0, 67). Los modelos de regresión de crestas en general superaron a los modelos SVM, aunque el rendimiento de la clasificación todavía era subóptimo en términos de relevancia clínica.
Las medidas de conectividad no fueron adecuadas como biomarcadores de diagnóstico para la psicosis según lo evaluado en el estudio actual. Nuestros resultados no niegan que otros enfoques puedan ser más exitosos, aunque está claro que es necesario un enfoque sistemático para la clasificación a nivel individual con grandes muestras de validación independientes para examinar adecuadamente las características de neuroimagen como biomarcadores de diagnóstico.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www.biologicalpsychiatrycnni.org/
