Análisis de Imágenes de Resonancia Magnética por difusión de adolescentes con autismo.

Abstract

El uso de neuroimágenes ha experimentado un crecimiento significativo en las últimas décadas, brindando una amplia gama de técnicas e investigaciones que respaldan el estudio, diagnóstico y seguimiento de enfermedades y trastornos cerebrales. Esta investigación desarrolla y adapta códigos para trabajar con una base de datos de Imágenes de Resonancia Magnética por Difusión (dMRI) de adolescentes con y sin autismo. A través de un detallado proceso de análisis, se examinará la microestructura de la materia blanca para identificar características distintivas entre los jóvenes con autismo y aquellos neurotípicos. La información obtenida puede mejorar la comprensión y el tratamiento de esta patología, lo que permitirá un diagnóstico más preciso y un tratamiento temprano para mejorar la calidad de vida de las personas con autismo y sus familias. Mediante la aplicación de conocimientos en álgebra, estadística, imágenes médicas, reconocimiento de patrones y neurociencia, se han desarrollado algoritmos para procesar los datos de tractografía obtenidos previamente de las dMRI de cada sujeto. Estos algoritmos aplican transformaciones espaciales para llevar los datos a un espacio común, remuestrean la cantidad de puntos por fibra, segmentan las fibras en 36 fascículos, revierten las transformaciones mencionadas anteriormente, y obtienen los valores medios de cada fascículo en los mapas de intensidad de ADC, FA y GFA. Luego, a dichos valores medios se les aplicaron tests estadísticos y algoritmos de clasificación mediante Machine Learning con el objetivo de identificar posibles diferencias significativas entre los sujetos. A pesar de los desafíos enfrentados, esta investigación ha logrado avanzar en el estudio de la materia blanca en la patología mencionada. Si bien los resultados de las pruebas estadísticas no concuerdan completamente con las conclusiones basadas en los modelos de clasificación, se obtuvo información relevante sobre la normalidad de los valores de sujetos con autismo, así como diferencias significativas en fascículos Cingulados, Corticoespinales y Talámicos. También se destacó la importancia de clasificar los sujetos utilizando los valores de GFA y la combinación de valores ADC y GFA. No obstante, se sugiere realizar estudios adicionales en el futuro, expandiendo la base de datos y considerando aspectos específicos del espectro autista, como el grado de autismo reflejado en dificultades en la comunicación, comportamientos repetitivos, dificultades sociales, sensibilidades sensoriales, entre otros. Esto permitiría obtener resultados más concluyentes y precisos.

The use of neuroimaging has experienced significant growth in recent decades, providing a wide range of techniques and research that support the study, diagnosis, and monitoring of brain diseases and disorders. This research develops and adapts codes to work with a database of Diffusion Magnetic Resonance Imaging (dMRI) images of adolescents with and without autism. Through a detailed process of analysis, the microstructure of the white matter will be examined to identify distinctive features between young people with autism and neurotypical individuals. The information obtained can improve the understanding and treatment of this condition, enabling more accurate diagnosis and early intervention to enhance the quality of life for individuals with autism and their families. By applying knowledge in algebra, statistics, medical imaging, pattern recognition, and neuroscience, algorithms have been developed to process the tractography data previously obtained from each subject’s dMRI. These algorithms apply spatial transformations to bring the data to a common space, resample the fiber points, segment the fibers into 36 fascicles, reverse the aforementioned transformations, and obtain the mean values of each fascicle in the ADC, FA, and GFA intensity maps. Subsequently, these mean values underwent statistical tests and classification algorithms using Machine Learning to identify potential significant differences between subjects. Despite the challenges faced, this research has made significant progress in studying the white matter in the mentioned condition. Although the results of the statistical tests do not fully agree with the conclusions based on the classification models, relevant information about the normality of values in subjects with autism was obtained, as well as significant differences in the Cingulate, Corticospinal, and Thalamic fascicles. The importance of classifying subjects using GFA values and the combination of ADC and GFA values was also highlighted. However, further studies are recommended in the future, expanding the database and considering specific aspects of the autism spectrum, such as the degree of autism reflected in communication difficulties, repetitive behaviors, social challenges, sensory sensitivities, among others. This would allow for more conclusive and precise results.