Un nuevo estudio dirigido por un investigador de la Universidad de Buffalo ha identificado cómo la comunicación específica entre diferentes regiones del cerebro, conocida como conectividad cerebral, puede servir como un biomarcador para el trastorno por déficit de atención con hiperactividad TDAH.
La investigación se basó en una arquitectura profunda que utiliza clasificadores de aprendizaje automático para identificar con un 99% de precisión a los adultos que habían recibido un diagnóstico infantil de TDAH muchos años antes.
"Esto sugiere que la conectividad cerebral es un biomarcador estable para el TDAH, al menos en la infancia, incluso cuando el comportamiento de un individuo se ha vuelto más típico, tal vez mediante la adaptación de diferentes estrategias que ocultan el trastorno subyacente", dijo Chris McNorgan, profesor asistente depsicología en la Facultad de Artes y Ciencias de la UB y autor principal del estudio.
Los hallazgos, publicados en la revista Fronteras en fisiología , tienen implicaciones no solo para detectar el TDAH, un trastorno común pero resbaladizo para el diagnóstico que es difícil de identificar, sino que también puede ayudar a los médicos a enfocarse en los tratamientos al comprender dónde se sientan los pacientes en un amplio espectro.
"Debido a que ciertos productos farmacéuticos reaccionan con ciertas vías, comprender los diferentes tipos de TDAH puede ayudar a informar las decisiones sobre un medicamento frente a otros", dijo McNorgan, experto en neuroimagen y modelado computacional.
El trastorno por déficit de atención es el trastorno psicológico que se diagnostica con más frecuencia entre los niños en edad escolar, pero es difícil de identificar. Además, múltiples subtipos complican la definición clínica de TDAH.
Un diagnóstico clínico de TDAH en un paciente puede cambiar cuando ese mismo paciente regresa para una evaluación posterior.
"Un paciente puede presentar síntomas conductuales consistentes con el TDAH un día, pero incluso días después, puede que no presente esos síntomas, o en el mismo grado", dijo McNorgan. "Podría ser la diferencia entre un buen día y unmal día.
"Pero la firma de conectividad cerebral del TDAH parece ser más estable. No vemos el cambio de diagnóstico".
El equipo de investigación multidisciplinario de los voluntarios de investigación de pregrado de la UB Cary Judson del Departamento de Psicología y Dakota Handzlik en el Departamento de Ciencias de la Computación e Ingeniería, y John G. Holden, profesor asociado de psicología en la Universidad de Cincinnati, utilizó fMRIdatos de 80 participantes adultos que fueron diagnosticados con TDAH cuando eran niños.
Los clasificadores de aprendizaje automático se aplicaron luego a cuatro instantáneas de actividad durante una tarea diseñada para probar la capacidad del sujeto para inhibir una respuesta automática.
El análisis enfocado de ejecuciones individuales logró un 91% de precisión de diagnóstico, mientras que el análisis colectivo se acercó al 99%.
"Es, con mucho, la tasa de precisión más alta que he visto en ningún otro lugar; está muy por encima de cualquier cosa que haya existido antes, y mucho más allá de cualquier cosa que se haya logrado con una evaluación del comportamiento", dijo McNorgan. "Probablemente hay muchos factores.contribuyó a nuestro desempeño superior en clasificación ".
Investigaciones anteriores que sugerían una relación entre la conectividad cerebral y el TDAH utilizaron una clasificación lineal directa. Esta investigación analiza las relaciones entre algo y lo que ese algo está prediciendo, como el café y el rendimiento.
Para muchos rangos, la clasificación lineal directa es efectiva, pero la relación entre el café y el rendimiento, como los síntomas conductuales y el TDAH, no es lineal. Una o dos tazas de café pueden aumentar el rendimiento, pero en algún momento, la cafeína puede afectar el rendimiento.Las relaciones no lineales existen cuando puede tener "muy poco o demasiado de algo bueno", según McNorgan.
Las redes de aprendizaje profundo son adecuadas para detectar relaciones condicionales, que no son lineales. En el caso del estudio actual, el TDAH se predijo a partir de los patrones de comunicación entre grupos de áreas del cerebro, digamos, A, B y C.A y B estaban muy conectadas, lo que podría predecir el TDAH, pero no si estas regiones también estuvieran muy conectadas con la región C.Este tipo de relaciones son problemáticas para las técnicas más utilizadas, pero no para los clasificadores de aprendizaje profundo.
El modelo de McNorgan va más allá al diferenciar también a las personas con TDAH que tienen un rendimiento típico o atípico en la Iowa Gambling Task IGT. El IGT es un paradigma de comportamiento similar a un juego de cartas de casino que presenta opciones de alto y bajo riesgo,y se usa comúnmente para estudiar y diagnosticar el TDAH.
Las técnicas tradicionales no pueden hacer más de una clasificación a la vez. El enfoque de McNorgan vincula elegantemente el diagnóstico de TDAH con el rendimiento en el IGT para proporcionar un puente potencial que explique por qué ambos están relacionados con el cableado del cerebro.
Además, aunque las personas con TDAH tienden a tomar decisiones más riesgosas en el IGT, no es un determinante universal. Algunas personas sin TDAH también toman decisiones más riesgosas que otras.
"Este enfoque, al diferenciar ambas dimensiones, proporciona un mecanismo para subclasificar a las personas con TDAH en formas que pueden permitir tratamientos específicos", dijo McNorgan. "Podemos ver dónde están las personas en el continuo".
Debido a que diferentes redes cerebrales están implicadas en las personas en ambos extremos del continuo, este método abre la puerta para desarrollar terapias que se centren en redes cerebrales específicas, agregó.
Fuente de la historia :
Materiales proporcionado por Universidad de Buffalo . Original escrito por Bert Gambini. Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :