Desarrollo de modelos basados en imagen médica para la predicción de Alzheimer a partir de medidas de conectividad funcional
Year: 2024
Type: dissertation
Abstract: [ESP] La enfermedad de Alzheimer es una patología neurodegenerativa caracterizada por producir deterioro cognitivo en quienes la sufren. Actualmente, más de 55 millones de personas en todo el mundo padecen demencia, de las cuales entre un 60% y un 70% corresponden a casos de Alzheimer. Las técnicas de imagen cerebral constituyen la principal vía diagnóstica de esta enfermedad, siendo la tomografía por emisión de positrones y la resonancia magnética las más extendidas. No obstante, todavía no existen biomarcadores específicos de Alzheimer que puedan ser detectados en neuroimagen, lo que dificulta identificarlo en etapas tempranas. Este Trabajo de Fin de Grado tiene como objetivo principal la determinación de biomarcadores basados en conectividad funcional que permitan diferenciar entre sujetos sanos y pacientes con deterioro cognitivo. Así mismo, se busca distinguir a aquellos que padecen enfermedad de Alzheimer de los que presentan deterioro cognitivo leve. Para obtener estos biomarcadores, se analiza la conectividad funcional de las redes de modo predeterminado y de otras regiones de interés en el desarrollo de la enfermedad de Alzheimer a partir de imágenes de resonancia magnética funcional con contraste BOLD. Las regiones han sido seleccionadas en base a estudios previos consultados. Para realizarlo, se comenzó obteniendo un conjunto de imágenes funcionales y estructurales de resonancia magnética a partir de la base de datos de la iniciativa ADNI (Alzheimer’s Disease Neuroimaging Initiative). La cohorte utilizada para este estudio estaba formada por pacientes con Alzheimer, controles sanos y pacientes con deterioro cognitivo leve, así como las variables demográficas correspondientes a las mismas. Se preparó la base de datos de manera que estuviera balanceada en cuanto al sexo, edad y estado cognitivo, para obtener resultados generalizables. A partir de la herramienta CONN de MatLab, se realizaron diferentes pasos de preprocesado y eliminación del ruido para asegurar una buena armonización, se realizó el análisis de conectividad funcional y se llevaron a cabo distintos análisis comparativos de la misma entre grupos. El tipo de análisis realizado fue entre regiones, con el fin de encontrar aquellas que estuvieran implicadas en conexiones con cambios de conectividad funcional. Estos análisis presentaron diferencias de conectividad funcional entre las regiones en función del estado cognitivo. Por tanto, se comprobó que la conectividad funcional entre estas regiones puede ser utilizada como biomarcador para distinguir entre sujetos sanos, pacientes con deterioro cognitivo leve y pacientes con enfermedad de Alzheimer. Así mismo, se observaron diferencias en cuanto al sexo. Para todos los análisis se utilizó la edad como variable de confusión para obtener resultados fidedignos. En conclusión, el uso de biomarcadores basados en conectividad funcional a partir de imagen médica es una herramienta prometedora que pretende agilizar y optimizar el diagnóstico temprano de la enfermedad de Alzheimer.
Author: Gil-Martínez, Laura
Language: Spanish
Subfield: Cognitive Neuroscience
Field: Neuroscience
Domain: Life Sciences
Keywords: Alzheimer's disease, functional connectivity, brain networks, BOLD fMRI, biomarkers, mild cognitive impairment, dementia, early detection, ADNI, machine learning classification, convolutional neural networks, support vector machine, random forest, feature selection, neuroimaging, cognitive decline prediction, sex differences, age differences
Open Access status: green
OpenAlex ID: W7027825499
