Parkinson

Procesado y clasificación de imágenes tomográficas funcionales en los síndromes Parkinsonianos

La capacidad de predicción de la neuroimagen con respecto a las enfermedades neurodegenerativas, tales como los síndromes Parkinsonianos ha sido avalada por un elevado número de estudios. El diagnóstico de la EP se establece usualmente en la clínica usando el criterio del banco de cerebros de la sociedad de la EP en UK, que incluye la respuesta positiva a la medicación basada en dopamina como criterio fundamental. Sin embargo, dado que la EP comparte varias características importantes con otros desordenes, e incluso la propia EP puede considerarse como un conjunto de entidades clínico-patológicas distintas, existe una fuerte evidencia de que estos diagnósticos que se establecen clínicamente pueden ser erróneos en etapas tanto tempranas como tardías de la enfermedad. En este sentido, cuando el diagnóstico no es claro, la neuroimagen con modalidades tales como la PET o la SPECT aportan información de gran relevancia para clarificar el estado del paciente. En particular, desde la perspectiva del análisis de datos, los resultados destacados han sido:

1. Métodos de clasificación (véase el artículo en https://www.worldscientific.com/doi/abs/10.1142/S0129065718500351 ) en modalidades varias, tales como FDG PET, DaTSCAN, DMFP-PET etc. y basados en arquitecturas de aprendizaje profundo en configuración de Autoencorders. Por ejemplo, cuatro diferentes modelos CNN basados en arquitecturas bien establecidas, usando o sin usar métodos de preprocesado espacial y en intensidad. Los resultados muestran que modelos suficientemente complejos como la versión tridimensional de ALEXNET pueden procesarlas diferencias espaciales, alcanzando una precisión elevada.

2. Sistemas para preprocesado de imagen funcional basados en transformaciones afines de imágenes posterizadas de imágenes funcionales como FP-CIT SPECT (véase el artículo en https://link.springer.com/article/10.1007%2Fs12021-015-9262-9  ) u otras estándares basadas en regiones de referencia y ratios de captación estadarizados (SUVr) (vea el artículo en https://www.frontiersin.org/articles/10.3389/fninf.2017.00023/full) con novedosos radiofármaco de imagen como el radio ligando basado en DMFP, que permiten generar plantillas que son la definición de un resultado de relevancia para la comunidad científica y médica.

Finalmente, todas estas técnicas basadas en aprendizaje máquina y procesado de señal presentan la potencialidad de proporcionar una evaluación in-vivo de  parámetros cerebrales funcionales/estructurales en enfermedades neurodegenerativas como los síndromes Parkinsonianos. Enlaces de relevancia de estos resultados pueden encontrase como herramientas de software en:

https://sipba.ugr.es/research/petra/https://github.com/SiPBA/brainSimulator

Periodo

May 2007 – current

Investigadores

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

Colaboradores: Dr. Johannes Levin, LMU Munich (GER), The Parkinson Disease Markers Initiative (PPMI)

Área / Línea

Tecnologías Aplicadas