¿Escáner cerebral para ayudar a identificar el autismo?

Investigaciones emergentes sugieren que puede llegar un día en que las anomalías en el cerebro asociadas con el autismo puedan detectarse con escáneres cerebrales.

La detección temprana de estas anomalías cerebrales específicas podría conducir a un mejor diagnóstico y una mayor comprensión de los trastornos del espectro autista.

Descubrir los biomarcadores asociados con el autismo ha sido un desafío, a menudo porque los métodos que se muestran prometedores con un grupo de pacientes fallan cuando se aplican a otro.

Sin embargo, en un nuevo estudio, los científicos informan de un nuevo grado de éxito. Su biomarcador propuesto funcionó con un grado de precisión comparativamente alto en la evaluación de dos grupos diversos de adultos.

Los científicos desarrollaron un algoritmo informático llamado "clasificador”Porque puede clasificar conjuntos de sujetos, los que tienen un trastorno del espectro autista y los que no lo tienen, basándose en escáneres cerebrales de resonancia magnética funcional (fMRI).

Al analizar miles de conexiones de conectividad de red cerebral en decenas de personas con y sin autismo, el software encontró 16 conexiones funcionales interregionales clave que le permitieron decir, con alta precisión, quién había sido diagnosticado tradicionalmente con autismo y quién no.

La tecnología se desarrolló principalmente en el Advanced Telecommunications Research Institute International en Kyoto, Japón, con importantes contribuciones de tres coautores de la Brown University en Rhode Island.

Los investigadores estudiaron a 181 voluntarios adultos en tres sitios en Japón y luego aplicaron el algoritmo a un grupo de 88 adultos estadounidenses en siete sitios. Todos los voluntarios del estudio con diagnóstico de autismo no tenían discapacidad intelectual.

"Es el primer estudio en aplicar [con éxito] un clasificador a una cohorte totalmente diferente", dijo el coautor correspondiente, el Dr. Yuka Sasaki, profesor asociado de investigación de ciencias cognitivas, lingüísticas y psicológicas en Brown.

“Ha habido numerosos intentos antes. Finalmente superamos el problema ".

El clasificador, que combina dos algoritmos de aprendizaje automático, funcionó bien en cada población, con un promedio de precisión del 85 por ciento entre los voluntarios japoneses y del 75 por ciento entre los estadounidenses.

Los investigadores calcularon que la probabilidad de ver este grado de rendimiento entre poblaciones por pura casualidad era de 1,4 en un millón.

Los investigadores validaron la eficacia del clasificador de otra manera comparando la predicción del clasificador de un diagnóstico de autismo con el principal método de diagnóstico actualmente disponible para los médicos, el Autism Diagnostic Observation Schedule (ADOS).

ADOS no se basa en marcadores de biología o fisiología, sino en entrevistas y observaciones de comportamiento de un médico. El clasificador pudo predecir las puntuaciones en el componente de comunicaciones ADOS con una correlación estadísticamente significativa de 0,44. La correlación sugiere que las 16 conexiones identificadas por el clasificador se relacionan con atributos de importancia en ADOS.

Luego, los investigadores descubrieron que las conexiones estaban asociadas con una red cerebral responsable de las funciones cerebrales, como el reconocimiento de otras personas, el procesamiento facial y el procesamiento emocional. Esta alineación anatómica es consistente con los síntomas asociados con los trastornos del espectro autista, como las percepciones sociales y emocionales.

Finalmente, el equipo examinó para ver si el clasificador refleja adecuadamente las similitudes y diferencias entre los trastornos del espectro autista y otras afecciones psiquiátricas.

Se sabe que el autismo, por ejemplo, comparte algunas similitudes con la esquizofrenia, pero no con la depresión o el trastorno por déficit de atención con hiperactividad.

Cuando se aplicó a pacientes con cada uno de estos otros trastornos en comparación con personas similares sin las afecciones, el clasificador mostró una precisión moderada pero estadísticamente significativa para distinguir a los pacientes con esquizofrenia, pero no a los pacientes con depresión o TDAH.

Las imágenes de resonancia magnética necesarias para recopilar los datos fueron simples, dijo Sasaki. Los sujetos solo necesitaban pasar unos 10 minutos en la máquina y no tenían que realizar ninguna tarea especial. Solo tenían que quedarse quietos y descansar.

A pesar de esa simplicidad y aunque el clasificador funcionó sin precedentes como cuestión de investigación, dijo Sasaki, todavía no está listo para ser una herramienta clínica. Si bien el futuro puede traer ese desarrollo, primero será necesario realizar mejoras.

"El nivel de precisión debe ser mucho mayor", dijo Sasaki. “La precisión del ochenta por ciento puede no ser útil en el mundo real”.

Tampoco está claro cómo funcionaría entre los niños, ya que los voluntarios de este estudio eran todos adultos.

Aunque el clasificador no está listo para los diagnósticos actuales, dado que la precisión mejora, las exploraciones y el análisis pueden no solo ser una herramienta de diagnóstico basada en la fisiología, sino también un enfoque para monitorear la efectividad del tratamiento.

Los médicos quizás puedan usar la herramienta algún día para monitorear si las terapias producen cambios en la conectividad cerebral, dijo Sasaki.

La investigación se publica en la revista Comunicaciones de la naturaleza.

Fuente: Universidad de Brown