Autismo

Imagen médica en la Psiquiatría del Autismo: Herramientas del aprendizaje máquina aplicadas a la neurociencia del espectro Autista

Hoy en día, las tecnologías de imagen funcional están suministrando información de gran interés en la neurociencia de los desórdenes psiquiátricos, donde las aproximaciones basadas en aprendizaje estadístico están cualificadas para suministrar nuevas perspectivas en estos desórdenes, tales como la condición del espectro Autista (ASC). Más allá de los sistemas basados en minería de datos clásicos, y dada la gran potencia computacional disponible se está en la posición de superar los paradigmas psiquiátricos estándar de los últimos cincuenta años, proponiendo nuevas variables de importancia y arquitecturas basadas en aprendizaje profundo para revelar características ocultas en diversos desórdenes neurológicos. Los principales resultados se detallan en los siguientes puntos

1. Varios métodos de clasificación basados en arquitecturas híbridas en los sistemas CAD (mire el artículo en https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4047979/ ), que emplean aproximaciones de selección/extracción de características y métodos estadísticos de clasificación que, aplicados a regiones cerebrales proporcionan nuevos mapas de relevancia en la caracterización del espectro Autista (ASD). Los patrones de imagen de las resonancia magnética obtenidas se emplean para clasificación tanto binaria como multiclase, para demostrar la existencia de un endofenotipo en la condición Autista.

2. Desarrollo de una técnica denominada Análisis de Componentes Principales con peso de significancia (SWPCA) para reducir la indeseable varianza en intensidad debido al sitio de adquisición (mire el artículo en https://www.ncbi.nlm.nih.gov/pubmed/27774713 ), y así incrementar el poder estadístico en la detección de las diferencias de grupo [2] bajo esquemas clásicos de validación estadística que, en este contexto, caracterizan con dificultad, por medio de la neuroimagen, esta condición tan heterogénea.

3. Propuesta de estimadores más sencillos y sus cotas superiores (mire el artículo en https://www.worldscientific.com/doi/10.1142/S0129065718500582 ), como aquellos basados en la estimación del error de resustitución, para suministrar información relevante sobre la citada condición. En este sentido, un problema cuaternario de clasificación (sexo y condición) se ha especificado, con restricciones en términos de la complejidad del clasificador y de la dimensión del espacio de características, revelando como el sexo modula al Autismo empleando un espacio de características de baja dimensión extraídas mediante la morfometría basada en vóxel (VBM). Más aún, un análisis de solapamiento espacial en mapas de referencia corrobora parcialmente las predicciones de la teoría del “cerebro extremo masculino” en el Autismo en las regiones de dimorfismo sexual.

Finalmente, todas estas técnicas basadas en aprendizaje máquina presentan la potencialidad de proporcionar una evaluación in-vivo de parámetros cerebrales funcionales/estructurales en numerosos desórdenes neurológicos. Enlaces de relevancia de los resultados destacados pueden encontrase en: https://github.com/SiPBA/swpca

Periodo

May 2007 – current

Investigadores

Juan Manuel Górriz Sáez, Javier Ramírez Pérez de Inestrosa, Fermín Segovia Román, Francisco J. Martínez Murcia.

Colaboradores: Prof. John Suckling, University of Cambridge, UK, Prof. Simon Baron Cohen, University of Cambridge, UK, Prof. Michael Lombardo, University of Cyprus, CY., Prof. Meng-Chuan Lai, University of Toronto, CAN.