Autor/autores:
Sarah E. Morgan, Jonathan Young, Ameera X. Patel...(et.al)
El aprendizaje automático (ML) puede distinguir casos con trastorno psicótico de controles sanos basados en datos de resonancia magnética (MRI), pero aún no está claro qué métricas de MRI son las más informativas para ML de control de casos, o cómo los algoritmos de ML se relacionan con el subyacente biología. Analizamos d...
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 aprendizaje automático (ML) puede distinguir casos con trastorno psicótico de controles sanos basados en datos de resonancia magnética (MRI), pero aún no está claro qué métricas de MRI son las más informativas para ML de control de casos, o cómo los algoritmos de ML se relacionan con el subyacente biología.
Analizamos datos de resonancia magnética multimodal de dos estudios independientes de casos y controles de trastornos psicóticos (casos, N = 65, 28; controles, N = 59, 80) y comparamos la precisión de ML en 5 métricas de resonancia magnética seleccionadas de 3 modalidades. El grosor cortical, la difusividad media y la anisotropía fraccional se estimaron en cada una de las 308 regiones corticales, así como la conectividad funcional y estructural entre cada par de regiones. Los datos de conectividad funcional también se usaron para clasificar a los hermanos de casos no psicóticos (N = 64) y para distinguir los casos de los controles en un tercer estudio independiente (casos, N = 67; controles, N = 81).
En ambos estudios principales, la métrica más informativa fue la conectividad fMRI: las áreas bajo la curva característica operativa del receptor fueron 88% y 76%, respectivamente. El mapa cortical de las características de conectividad diagnóstica (pesos de ML) fue replicable entre los estudios (r = 0. 27, P <0. 001); correlacionado con diferencias replicables de casos y controles en la centralidad del grado fMRI, y con un mapa cortical previo del desarrollo adolescente de conectividad funcional; probabilidades intermedias predichas de psicosis en hermanos; y fue replicado en el tercer estudio de casos y controles.
ML distingue con mayor precisión los casos de los controles mediante un patrón replicable de las características de conectividad de fMRI, destacando el centro anormal de los ganglios corticales en un patrón anatómico consistente con el concepto de psicosis como un trastorno del desarrollo de la red.
Para acceder al texto completo consulte las características de suscripción de la fuente original: https://www. biologicalpsychiatrycnni. org/
Goldberg y Stephen M. Stahl. Prologo de Alan F. Schatzberg. Durante las últimas cuatro décadas, l...
COMPRAR AQUÍInicio: 05/06/2024 |Precio: 150€
Ver curso
