Los investigadores han desarrollado herramientas para mejorar el análisis de los datos de imágenes de resonancia magnética funcional (fMRI) que pueden allanar el camino para mejorar el tratamiento de la esquizofrenia.
El método de análisis de imagen desarrollado por los investigadores de la Universidad de Maryland, Condado de Baltimore (UMBC) en los EE. UU. Se llama análisis vectorial independiente (IVA) para la extracción subespacial común (CS).
Mediante este método, pudieron categorizar subgrupos de datos funcionales de MRI basados únicamente en la actividad cerebral, lo que demuestra que existe una conexión entre la actividad cerebral y ciertas enfermedades mentales, dijo el estudio publicado en la revista NeuroImage.
Pacientes con esquizofrenia que utilizan los datos de resonancia magnética funcional
En particular, pudieron identificar subgrupos de pacientes con esquizofrenia utilizando los datos de resonancia magnética funcional que analizaron. Anteriormente, no había una forma clara de agrupar la esquizofrenia en pacientes basados solo en imágenes del cerebro, pero los métodos desarrollados por los investigadores de UMBC mostraron que existe una conexión significativa entre la actividad cerebral de un paciente y sus diagnósticos.
«La parte más emocionante es que descubrimos que los subgrupos identificados poseen importancia clínica al observar sus síntomas de diagnóstico», explicó Qunfang Long, Ph.D. candidato en UMBC.
«Este hallazgo nos animó a poner más esfuerzo en el estudio de subtipos de pacientes con esquizofrenia utilizando datos de neuroimagen».
Su trabajo puede ayudar en el diagnóstico y tratamiento de pacientes con enfermedades mentales que pueden ser difíciles de identificar. También puede mostrar a los médicos si los tratamientos actuales han funcionado o no en función de los grupos de imágenes.
«Ahora que los métodos basados en datos han ganado popularidad, un gran desafío ha sido capturar la variabilidad de cada sujeto mientras se realizan análisis simultáneos en conjuntos de datos de fMRI de un gran número de sujetos», dijo Tulay Adali, profesor de UMBC.
«Ahora podemos realizar este análisis de manera efectiva y podemos identificar agrupaciones significativas de sujetos», dijo Adali.
«Tv geek. Especialista en redes sociales. Creador. Escritor apasionado. Ninja de viajes extremos. Emprendedor total. Internetaholic».
