La ressonància magnètica funcional (fMRI) mesura la quantitat d’oxigen en sang de zones concretes del cervell i és una prova indirecta de l’activitat neuronal. La fMRI utilitza ones de radiofreqüència i un camp magnètic molt potent per tal d’obtenir imatges molt detallades del cervell. Aquesta tècnica s’ha emprat en el diagnòstic clínic de malalties neurològiques, psiquiàtriques i,  alteracions en la funcionalitat cerebral constitueixen signes clínics de diferents trastorns cerebrals i del comportament.

Tot i això, l'estudi de la connectivitat cerebral basada en les imatges provinents de la ressonància magnètica funcional de vegades està limitada pel fet que aquestes mesures poden variar d’una sessió a l’altra segons siguin les condicions experimentals o en estudi, la qual cosa posa en perill la seva reproductibilitat i fiabilitat a nivell individual. De cara a poder aplicar els resultats de la recerca a la pràctica clínica real, sovint amb poques sessions d’enregistrament, esdevé crucial clarificar quin és el valor diagnòstic de la fMRI en cada cas.

La clau per a una predicció sòlida és l’ús de la connectivitat efectiva

Un estudi publicat en obert el 24 de maig, en edició avançada en línia, a la revista NeuroImage, ha tingut per objectiu definir un nou estàndard fiable per a l'extracció de biomarcadors a partir de fMRI, verificant que no es barregi informació de diferents estats cerebrals, en repòs o en activitat, amb la de la identitat de cada persona. Els resultats indiquen que, la clau per a una predicció sòlida és l'ús de connectivitat efectiva (CE) en comptes de connectivitat funcional (CF) i de tècniques d'aprenentatge automàtic adequades.

"Els resultats obtinguts estableixen sòlids fonaments per a aplicacions adaptades a estats cognitius individuals en el diagnòstic clínic"

El treball ha estat dut a terme per Vicente Pallarés, Andrea Insabato, Anna Sanjuan i Matthieu Gilson, investigadors del Centre de Cognició i Cervell, que lidera Gustavo Deco, professor d’investigació ICREA del Departament de Tecnologies de la Informació i les Comunicacions (DTIC) de la UPF, amb participació de centres europeus i dels Estats Units.

La connectivitat funcional (CF) en estat de repòs cerebral indica les àrees del cervell l'activitat de la qual està correlacionada, mentre que la connectivitat efectiva (CE) entre diferents àrees cerebrals indica com unes àrees influeixen directament sobre les altres. En aquest sentit la connectivitat efectiva descriu interaccions reals (o causals) entre les àrees i es mesura usant un model dinàmic. En aquest treball es considera que la connectivitat efectiva suporta millor rendiment que la connectivitat funcional en la classificació de l’estat cerebral.

Un estàndard fiable per a l'extracció de biomarcadors d'activitat cerebral

El nou mètode proposat pels autors proporciona informació de la comunicació entre àrees cerebrals segons sigui l'activitat o l'estat cerebral,  i consta de dues parts. En la primera part es compara l'estimació la connectivitat efectiva del cervell complet amb eines adequades d'aprenentatge automàtic per controlar la variabilitat de sessió a sessió. “Hem demostrat com les eines d'aprenentatge automàtic, com ara el MLR (Multinomial Logistic Regression), permeten una quantificació de l'ortogonalitat topològica entre els biomarcadors, a més d'extreure'ls de forma eficient”, indiquen els autors.

La idea dels investigadors ha estat comparar els valors d’CE i de CF amb la capacitat de generalització, a través de sessions de fMRI en estat de repòs respecte d’altres estats. “El nostre estudi demostra que els biomarcadors basats en CE són molt robusts per a la variabilitat de sessió a sessió (molt més que amb CF) i es poden obtenir basant-se en un nombre limitat de sessions, a saber, 4-5 sessions de gravació (de 5 minuts cadascuna) per classificar 40 o més sessions”, indiquen els investigadors.

"A partir de molt poques connexions cerebrals, el nostre mètode demostra tenir excel·lents capacitats de generalització per a la identificació d'estats cognitius i de participants en dos conjunts de dades, utilitzant només unes poques sessions com a referència"

En la segona part del mètode, els investigadors fan una predicció de la identitat i la condició de cada individu participant -en estat de repòs i fent una tasca visual- per verificar que la connectivitat efectiva (CE) pot servir de biomarcardor per als dos tipus d’estat. Per fer-ho, “examinem la distribució topològica dels enllaços de la CE que donen suport a la doble classificació, que ens permet quantificar la superposició entre els dos biomarcadors”, expliquen els autors. Aquesta segona part ha buscat avaluar la capacitat de generalització de la CE per a la classificació multivariant. “El nostre mètode amb molt poques connexions cerebrals demostra tenir excel·lents capacitats de generalització per a la identificació d'estats cognitius y participants en dos conjunts de dades, utilitzant només unes poques sessions  com a referència”, han afegit.

En aquest estudi, es proposa un marc teòric per extreure biomarcadors relacionats amb diverses modalitats a partir de dades fMRI que permeten quantificar la interferència entre biomarcadors. La doble classificació de la identitat dels participants i les condicions de comportament va més enllà dels estudis previs que van utilitzar la connectivitat funcional com "empremta digital", de manera que,  "els nostres resultats estableixen sòlids fonaments per a aplicacions adaptades a estats cognitius en el diagnòstic clínic", indiquen els autors d'aquesta investigació.

Treball de referència:

Vicente Pallarés, Andrea Insabato, Ana Sanjuán, Simone Kühn, Dante Mantini, Gustavo Deco, Matthieu Gilson (2018), “Extracting orthogonal subject- and condition-specific signatures from fMRI data using whole-brain effective connectivity“, NeuroImage, volum 178, Setembre 2018, Pàgs. 238-254, publicat en edició avançada en línea el 24 de maig, https://doi.org/10.1016/j.neuroimage.2018.04.070.