Los patrones de conectividad cerebral funcional son un biomarcador estable del trastorno por déficit de atención e hiperactividad, sugiere nueva investigación.
Al aplicar un enfoque de aprendizaje automático a los datos de imágenes cerebrales, los investigadores pudieron identificar con 99% de precisión a los participantes adultos del estudio que habían sido diagnosticados con trastorno por déficit de atención e hiperactividad en la infancia.
"Aunque los síntomas del trastorno por déficit de atención e hiperactividad pueden ser menos evidentes en la edad adulta, la imagen del cableado cerebral parece ser persistente", indicó a Medscape Noticias Médicas el investigador del estudio, Chris McNorgan, Ph. D. , del Departmento de psiquiatría de la State University of New York at Buffalo, en Nueva York, Estados Unidos.
Los hallazgos se publicaron en versión electrónica el 17 de diciembre en Frontiers of Psychology.
Redes neuronales de aprendizaje profundo
Los investigadores analizaron imágenes de resonancia magnética funcional archivadas y datos de comportamiento de 80 adultos (edad promedio: 24 años; 64 hombres). De estos participantes, 55 fueron diagnosticados con trastorno por déficit de atención e hiperactividad en la infancia y 25 no.
Los datos de resonancia magnética funcional se obtuvieron de una prueba de inhibición de respuesta que evaluó la capacidad del individuo para no responder automáticamente; por ejemplo, no repetir: "Simón dice" después de que otra persona lo decía.
Los datos de comportamiento incluyeron puntuaciones de la tarea Juego de azar de Iowa (IGT), que se utiliza para medir la impulsividad y la toma de riesgos.
"Por lo general, pero no siempre, las personas con trastorno por déficit de atención e hiperactividad toman decisiones más arriesgadas en esta tarea", anotó McNorgan.
Los investigadores midieron la cantidad de interconexión entre diferentes regiones del cerebro durante la tarea de inhibición de la respuesta, que se repitió cuatro veces.
Luego los patrones de interconectividad se introdujeron en una red neuronal de aprendizaje profundo que aprendió qué patrones pertenecían al grupo de trastorno por déficit de atención e hiperactividad frente a aquellos que no lo tenían (grupo de control) y qué patrones pertenecían a los puntajes altos y cuáles a los puntajes bajos según el juego de azar de Iowa.
Advertencias y notas de precaución
"Los modelos entrenados luego se pusieron a prueba en patrones cerebrales que nunca antes habían visto, y encontramos que los modelos hacían el diagnóstico correcto de trastorno por déficit de atención e hiperactividad y que podrían diferenciar los puntajes altos y bajos en el juego de azar de Iowa 99% de las veces", informó McNorgan.
"Los clasificadores entrenados hacen predicciones calculando probabilidades, y las redes neuronales aprendieron cómo cada una de las conexiones cerebrales contribuye a la probabilidad de clasificación final. Identificamos el conjunto de conexiones cerebrales que tuvieron la mayor influencia en estos cálculos de probabilidad", comentó.
Debido a que la red clasificó tanto el diagnóstico de trastorno por déficit de atención e hiperactividad como el desempeño en las tareas de riesgo, los investigadores pudieron distinguir entre las conexiones que predijeron el trastorno por déficit de atención e hiperactividad cuando el desempeño en las decisiones de riesgo era deficiente, como es típico en los pacientes con trastorno por déficit de atención/hiperactividad, y las que predicen el trastorno cuando el desempeño era inusualmente bueno.
Si bien se necesita más investigación, los hallazgos tienen relevancia clínica potencial, dijo McNorgan.
"El trastorno por déficit de atención e hiperactividad puede ser difícil de diagnosticar de manera fiable. Si los gastos no fueran un problema, la resonancia magnética funcional podría ayudar a que el diagnóstico sea más fiable y objetivo", agregó.
McNorgan admitió que podría no ser rentable usar resonancia magnética funcional de esta manera. Sin embargo, debido a que las personas con trastorno por déficit de atención e hiperactividad tienen diferentes perfiles de comportamiento, como puntuación atípicamente buena en el juego de azar de Iowa, estudios adicionales que utilicen este enfoque pueden ayudar a identificar redes cerebrales "que están más o menos activas en las personas con trastorno por déficit de atención e hiperactividad que muestran un rasgo de diagnóstico particular", dijo.
"Esto podría ayudar a informar qué tratamientos podrían ser más efectivos para esas personas", destacó McNorgan.
Por supuesto, "todavía se requiere la experiencia diagnóstica de los médicos, ya que no basaría un diagnóstico de trastorno por déficit de atención/hiperactividad únicamente en los resultados de una sola exploración cerebral", agregó.
Sin validación cruzada
Al comentar sobre los hallazgos para Medscape Noticias Médicas, Vince Calhoun, Ph. D. , neurocientífico y director fundador del Center for Translational Research in Neuroimaging and Data Science(TReNDS), un esfuerzo conjunto entre Georgia State, Georgia Tech y Emory University, señaló algunas limitaciones del estudio.
Una nota de advertencia es que los investigadores "parecen seleccionar regiones relevantes para incluirlas en el modelo según la activación de la tarea, luego calcularon las predicciones utilizando el subconjunto de regiones que mostraron una fuerte activación. El problema es que esto se hizo con los mismos datos, por lo que no hubo una validación cruzada de este paso de 'selección de características'", dijo Calhoun, que no participó en la investigación. "Este es un tipo de circularidad que puede conducir a precisiones infladas".
Calhoun también señaló que "múltiples estudios de clasificación de trastorno por déficit de atención e hiperactividad" han informado precisiones superiores a 90%. Además, solo había 80 participantes en el conjunto de datos actual.
"Eso es relativamente pequeño para hacer afirmaciones sólidas sobre altas precisiones como se ha informado en otros lugares", concluyó.
McNorgan y Calhoun han declarado no tener ningún conflicto de interés económico pertinente.
