Análisis y clasificación integral del proceso de envejecimiento normal y patológico 上市 Deposited
La enfermedad de Alzheimer (EA) es un trastorno neurodegenerativo que conduce a una pérdida gradual e irreversible de las capacidades cognitivas e intelectuales, lo que limita el rendimiento de un sujeto en sus actividades diarias. Se ha reportado en la literatura que esta enfermedad provoca gradualmente cambios en la morfología cerebral, lo que lleva a la pérdida de elementos cognitivos como la memoria, la orientación y el lenguaje, entre otros. Esta patología está relacionada con el envejecimiento y representa entre el 50% y el 75% de todos los casos de demencia en la población mundial. La Organización Mundial de la Salud, prevé un aumento considerable de esta enfermedad en la población de adultos mayores. Se estima que los pacientes con demencia tipo Alzheimer alcancen los 74.7 millones en el 2030 y los 131.5 millones en el 2050. Por estas razones, tiene notable importancia la detección temprana de esta enfermedad, en especial en la fase de deterioro cognitivo leve, cuando se comienzan a manifestar los síntomas preliminares de esta enfermedad. En este trabajo de investigación se propone la medida de tortuosidad cortical como un nuevo biomarcador (BM) morfológico, para ser considerado en la detección precoz de la enfermedad de Alzheimer. Este indicador fue medido utilizando el método de la suma de ángulos y ha demostrado ser sensible a los cambios anatómicos que aparecen en la materia gris y blanca y los lóbulos temporal y parietal durante el deterioro cognitivo leve (DCL). Consideramos, que esta métrica puede ser evaluada como indicador del diagnóstico temprano de la enfermedad de Alzheimer, donde puede tener un potencial notable. Proponemos, además, una estrategia de clasificación que, utilizando técnicas de reconocimiento de patrones y la combinación de varios BM bioquímicos, cognitivos y de imágenes, permita la discriminación precisa de los tres grupos mencionados y la clasificación correcta de nuevos casos de estudio que se presenten. El análisis estadístico realizado en esta investigación mostró diferencias significativas (p <0.05) entre los índices de tortuosidad determinados para los adultos mayores sanos (AMS) vs DCL y AMS vs EA en la mayoría de las estructuras que se analizaron en este trabajo. También fueron incorporados en el análisis otros biomarcadores clínicamente utilizados como: beta amiloide y proteína tau medidos en líquido cefalorraquídeo, así como otros parámetros extraídos de las neuroimágenes y de pruebas cognitivas. Se implementaron dos estrategias de clasificación, una basada en máquinas de soporte vectorial (support vector machines, SVM) y otra utilizando bosques aleatorios (random forest, RF) para discriminar entre tres muestras de las poblaciones estudiadas, seleccionadas de la base de datos ADNI. También se analizaron sujetos de una población mexicana en las mismas condiciones para evaluar el desempeño de los clasificadores. Cuando se emplea la estrategia de clasificación que utiliza SVM y se combinan todos los rasgos incluyendo a la tortuosidad cortical en el proceso de clasificación final con datos no vistos se obtiene una exactitud del 83.75%. Por otra parte, cuando se emplea la estrategia de clasificación de RF y se combina la tortuosidad con información multimodal de todos los rasgos (33 características), se alcanza una exactitud del 86,66% durante la etapa de prueba, con datos no vistos previamente. Para este esquema de clasificación cuando se consideran parámetros extraídos de las neuroimágenes se muestra un aumento del 9,17% cuando se incorpora la tortuosidad. Para 6 el caso de los sujetos de población mexicana analizados en este trabajo, la estrategia de clasificación utilizada mostró una exactitud final del 80.95%. Estos resultados sugieren que la tortuosidad cortical se puede considerar como un BM de imágenes útil en el apoyo al diagnóstico clínico en la detección de las etapas tempranas de EA, cuando los sujetos comienzan a presentar los primeros síntomas clínicos de esta patología, y que la combinación de este parámetro con índices obtenidos de otras modalidades permite mejorar la capacidad de diagnóstico.
Alzheimer's disease (AD) is a neurodegenerative disorder that leads to a gradual and irreversible loss of cognitive and intellectual abilities, which limits the performance of a subject in their daily activities. It has been reported in the literature that this disease gradually causes changes in brain morphology, which leads to the loss of cognitive elements such as memory, orientation, language, among others. This pathology is related to aging and represents between 50% and 75% of all cases of dementia. The World Health Organization foresees a considerable increase of this disease in the population of older adults. It is estimated that patients with Alzheimer's dementia will reach 74.7 million in 2030 and 131.5 million in 2050. For these reasons, the early detection of AD is important, especially in the phase of mild cognitive impairment, when they begin to manifest preliminary symptoms of the disease. In this research the measure of tortuosity is proposed as a new morphological biomarker (BM), to be considered in the early detection of Alzheimer's disease. This indicator was measured using the sum of angles method and has been shown to be sensitive to the anatomical changes that appear in gray and white matter and temporal and parietal lobes during mild cognitive impairment (MCI). The statistical analysis carried out in this investigation showed significant differences (p <0.05) between the rates of tortuosity determined for healthy controls (HC) vs MCI and HC vs AD in most of the structures analyzed in this work. Other clinically used BMs were also incorporated into the analysis such as: beta amyloid and tau protein measured in cerebrospinal fluid, as well as other parameters extracted from neuroimaging and cognitive tests. Two classification strategies were implemented, one based on support vector machines (SVM) and another using random forests (RF) to discriminate between three samples of the studied populations, selected from the ADNI database. Subjects of a mexican population under the same conditions were also analyzed to evaluate the classifiers’ performance. When the SVM classification strategy is used and all traits are combined, including tortuosity in the final classification process with unseen data, an accuracy of 83.75% is obtained. On the other hand, when the RF classification strategy is used and tortuosity is combined with multimodal information of all traits (33 characteristics), an accuracy of 86.66% is reached during the test stage, with previously unseen data. For this classification scheme, when considering parameters extracted from neuroimaging, an increase of 9.17% is attained when tortuosity is incorporated. In the case of the mexican population analyzed in this work, the classification strategy used showed a final accuracy of 80.95%. These results suggest that tortuosity can be considered as an image-extracted BM useful in supporting the clinical diagnosis in the detection of the early stages of AD, when the subjects begin to present the first clinical symptoms of this pathology, and that the combination of this parameter with indices obtained from other modalities allows to improve the diagnostic capacity.
关联
| 管理集内: |
|---|
描述
| 属性名称 | 属性值 |
|---|---|
| Creador | |
| 贡献者 | |
| Tema | |
| Editor | |
| Idioma | |
| Identificador | |
| 关键词 | |
| Año de publicación |
|
| Tipo de Recurso | |
| Derechos | |
| División académica | |
| Línea académica | |
| Licencia |
