Algoritmo detecta casos de autismo según huellas cerebrales

Este algoritmo que evalua escáneres cerebrales identifica las huellas generadas por la actividad neuronal, patrones que son similares en personas con autismo
Algoritmo detecta casos de autismo según huellas cerebrales
[favorite_button]
Comentar

Un innovador algoritmo podría ayudar a identificar a una persona con autismo, únicamente con la observación de sus escáneres cerebrales. Esta herramienta creada por investigadores de la Universidad de Stanford también predice con éxito la gravedad de los síntomas del autismo en pacientes individuales. De hecho, si este algoritmo se mejora, se cree que podría facilitar los diagnósticos tempranos, predecir terapias más específicas y brindar una mayor comprensión de los orígenes de este trastorno.

Este algoritmo analiza los datos recogidos en las exploraciones de resonancia magnética funcional (IRMf), que capturan patrones de actividad neuronal en todo el cerebro. Cuando se mapean en el tiempo, se pueden identificar patrones o huellas de características similares, lo que permite ordenarlas y clasificarlas.

En el autismo, en comparación con otras enfermedades, no hay biomarcadores objetivos -medidas reveladoras de la presencia y, a veces, de la gravedad de una enfermedad-, lo que significa que no existe una prueba sencilla para detectar el trastorno. En su lugar, el diagnóstico se basa en gran medida de la obervación del comportamiento del paciente, detectando dificultades de interacción en la vida cotidiana, déficits en la comunicación y los movimientos repetitivos. Es aquí donde los patrones cerebrales jugarían un rol importante.

También le puede interesar: Casos de autismo y glioblastoma tendrían el mismo origen: estudio

Algoritmo supera las contradicciones en la detección de biomarcadores para el autismo

Hasta la fecha, estudios científicos sobre posibles biomarcadores han arrojado resultados contradictorios, derivados de la variabilidad natural de los cerebros de los pacientes y confundidos además por las diferencias en las máquinas de IRMf y los métodos de prueba.

De acuerdo con la investigación hecha en Stanford y publicada en Biological Psychiatry, el algoritmo evaluó los escáneres cerebrales de una muestra de aproximadamente 1.100 pacientes. Con un 82% de precisión, el algoritmo seleccionó a un grupo de pacientes a los que los clínicos humanos habían diagnosticado autismo. El estudio también se sustenta en el uso de grandes volúmenes de datos, provenientes de hospitales en todo el mundo y cuya diversidad se presenta en demografía y geografía.

Le puede interesar: La placenta esconde pistas para diagnósticos tempranos de TEA

Por ello, se trabajó en un algoritmo capaz de analizar e interpretar la complejidad de la información. Como punto de partida, los científicos eligieron el reconocimiento de imágenes, cada vez más sofisticados a la hora de manejar grados significativos de variabilidad en las imágenes que evalúan.

Para el caso de los patrones cerebrales en autismo, crearon un modelo matemático que interpreta las interacciones e interconexiones regionales del cerebro. De este modo, la herramienta tecnológica se decanta por tres regiones cerebrales que presentan diferencias significativas de interconectividad en una parte agrupable del conjunto de datos.

No olvide leer: Laboratorio de genómica es centro de referencia para América

Para dar credibilidad a los hallazgos del algoritmo XAI, las regiones cerebrales utilizadas han sido implicadas en otros estudios. Se trata de la corteza cingulada posterior y el precúneo (precuña) que hacen parte de la red neuronal de modo por defecto (RND),activa durante los periodos de descanso de la vigilia; la corteza prefrontal dorsolateral y ventrolateral, implicada en el control cognitivo y el surco temporal superior, implicado en el procesamiento de los sonidos de las voces humanas.

En particular, las alteraciones de la RND sirvieron como fuertes predictores de la gravedad de los síntomas del autismo en la población estudiada. Con estos resultados, los investigadores creen que en un futuro, las huellas cerebrales se utilizarán para evaluar los cerebros de niños muy pequeños que tienen un alto riesgo de desarrollar autismo. Un diagnóstico precoz es fundamental para obtener mejores resultados, ya que las terapias resultan más eficaces cuando los pacientes están todavía en edad infantil.

Le puede interesar: La transformación digital del sector salud está en manos de sus actores: Agenda de Interoperabilidad Sectorial (I)

Temas relacionados

Compartir Noticia

Facebook
Twitter
LinkedIn
WhatsApp
Noticias destacadas
Más Noticias

Escríbanos y uno de nuestros asesores le contactará pronto

Reciba atención inmediata mediante nuestros canales oficiales aquí:

  • Lo sentimos, este producto no se puede comprar.
Tu carrito de compras está vacío.

Volver a la tienda