Clasificadores de pacientes esquizofrénicos y controles sanos a partir de la dinámica de conectividad funcional del cerebro bajo estímulos externos de emoción

BOCACCIO H.; SÁNCHEZ S. M.; DE PINO G.; CASTRO M. N.; VILLARREAL M.

Buenos Aires

Congreso; 103 RAFA; 2018

Asociación Física Argentina

Aplicamos técnicas de aprendizaje automático a la dinámica de las redes de actividad cerebral a gran escala para clasificar pacientes esquizofrénicos y sujetos control bajo estímulos externos de emoción triste. Los datos analizados fueron obtenidos mediante resonancia magnética funcional (fMRI) en presencia de estímulos externos, siendo el paradigma utilizado un diseño de bloques en los cuales se presentan caras que evocan emociones tristes alternados con caras de emociones neutras. Adquirimos entonces señales temporales de consumo metabólico relacionado con la actividad cerebral en particiones del cerebro (vóxeles) para momentos de emoción triste. A partir de ellas obtuvimos la dinámica de correlaciones entre las señales de actividad promedio de regiones de un atlas anatómico. Tomando como características dichos patrones de conectividad funcional entre regiones, confeccionamos un clasificador binario cuyo objetivo fue el de discriminar pacientes esquizofrénicos de sujetos control. Entrenamos un modelo de regresión logística utilizando penalidades de tipo L1 y L2 para evitar sobre-ajuste del modelo a los datos de entrenamiento. Se optimizaron los parámetros del modelo mediante una validación cruzada. Como resultado obtuvimos que el modelo permite discriminar de manera automática los estados cognitivos de pacientes con esquizofrenia y de sujetos sanos cuando se utiliza un paradigma de emoción triste como el de este trabajo. La aplicación y desarrollo de estas técnicas podrían permitir no sólo una mejor comprensión de ciertas patologías psiquiátricas sino también la automatización de diagnósticos como herramienta complementaria de utilidad para profesionales de la salud.