Autor/autores:
Monika S. Mellem, Yuelu Liu, Humberto Gonzalez...(et.al)
Las ideas de la investigación de biomarcadores basados en neuroimagen aún no se han traducido en la práctica clínica. Esta brecha traslacional puede provenir de un enfoque en la clasificación diagnóstica, en lugar de la predicción de la gravedad de los síntomas psiquiátricos transdiagnósticos. Actualmente, no han surgido m...
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.
Las ideas de la investigación de biomarcadores basados en neuroimagen aún no se han traducido en la práctica clínica. Esta brecha traslacional puede provenir de un enfoque en la clasificación diagnóstica, en lugar de la predicción de la gravedad de los síntomas psiquiátricos transdiagnósticos. Actualmente, no han surgido modelos predictivos multimodales transdiagnósticos de gravedad de los síntomas que incluyan características neurobiológicas.
Construimos modelos predictivos de tres síntomas comunes en trastornos psiquiátricos (estado de ánimo desregulado, anhedonia y ansiedad) a partir del conjunto de datos del Consorcio para Fenómenos Neuropsiquiátricos (n = 272), que incluye evaluaciones a escala clínica, resonancia magnética funcional en estado de reposo (rs-fMRI) y Las imágenes de resonancia magnética estructural (IRMm) de pacientes con esquizofrenia, trastorno bipolar, trastorno por déficit de atención e hiperactividad y participantes de control sanos. Utilizamos un enfoque eficiente de selección de características basado en datos para identificar las características más predictivas de estos datos de alta dimensión.
Este enfoque optimizó el modelado y explicó el 65-90% de la varianza en los tres dominios de síntomas, en comparación con el 22% sin usar el enfoque de selección de características. Los modelos multimodales de alto rendimiento conservaron un alto nivel de interpretabilidad que permitió varias ideas clínicas y científicas.
Primero, para nuestra sorpresa, las características estructurales no contribuyeron sustancialmente a la fortaleza predictiva de estos modelos. En segundo lugar, la escala de inventario de temperamento y carácter surgió como un predictor muy importante de la variación de los síntomas entre los diagnósticos. En tercer lugar, las características predictivas de conectividad rs-fMRI se distribuyeron ampliamente en muchas redes intrínsecas de estado de reposo (RSN).
La combinación de rs-fMRI con preguntas selectas de escalas clínicas permitió una alta predicción de la gravedad de los síntomas en grupos de pacientes diagnosticados y reveló que las medidas de conectividad más allá de unos pocos RSN intrínsecos pueden llevar información relevante para la gravedad de los síntomas.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www.biologicalpsychiatrycnni.org
