Predicción del rendimiento en la prueba de Trail-Making utilizando MRI cerebral estructural de 7 Tesla

Qué problema aborda

La terapia psicofarmacológica ha mostrado una falta de mejora en su eficacia, lo que pone de manifiesto la necesidad de enfoques de tratamiento más individualizados. Identificar factores que puedan predecir atributos psicológicos y resultados del tratamiento es esencial para optimizar los efectos farmacológicos.

Qué hicieron los autores

Los autores utilizaron un sistema de MRI de 7 Tesla para medir a 74 pacientes transdiagnósticos y 41 controles sanos. Se determinaron valores para el volumen de materia gris, el grosor cortical y la girificación, utilizando el Atlas de Schaefer 100 para la parcelación. Con estos datos morfológicos, se predijo el rendimiento en la prueba de Trail-Making Test (TMT) - A y B mediante un modelo de aprendizaje profundo. Además, se realizó un análisis SHAP para identificar las variables clave importantes para el modelo.

Qué encontraron

La precisión en la predicción del rendimiento en la TMT fue notable, alcanzando un 0.795. La característica más decisiva que influyó en las predicciones fue la girificación. Las áreas que mostraron diferencias intergrupales se centraron en la corteza frontal, así como en regiones temporales y parietales. Estos hallazgos sugieren que las características morfológicas pueden predecir el rendimiento en pruebas psicológicas con alta precisión.

Lectura final

Los resultados de este estudio respaldan la implementación de un enfoque transdiagnóstico en la práctica clínica, lo que podría ayudar a abordar mejor la fisiopatología subyacente en los trastornos psicológicos. La predicción de síntomas basada en datos de neuroimagen parece ser un objetivo alcanzable, lo que podría transformar la forma en que se personalizan los tratamientos.