Investigadores de Yale School of Medicina identificaron biomarcadores del trastorno por déficit de atención e hiperactividad (TDAH) utilizando un modelo de aprendizaje automático.
Investigadores de Yale analizaron datos de exámenes de resonancia magnética de cerca de 8 mil niños y lograron identificar biomarcadores de TDAH. El método utilizado se basó en un modelo de aprendizaje automático o machine learning y los resultados serán presentados en la reunión anual de la Radiological Society of North America (RSNA). El TDAH es uno de los trastornos del desarrollo neurológico más comunes en niños, esta condición dificulta el control de comportamientos impulsivos y la atención en niños.
El diagnóstico de TDAH se suele hacer a través de una lista de verificación de síntomas, por lo que los investigadores de Yale buscan desarrollar una metodología más objetiva para un diagnóstico más eficiente y confiable, según explica Huang Lin, investigador de posgrado en Yale School of Medicine y coautor del estudio.
Los investigadores utilizaron datos de imágenes de resonancia magnética de Adolescent Brain Cognitive Development (ABCD) el estudio a largo plazo más importante en su tipo en Estados Unidos. El ABCD recolectó datos de más de 11 mil 800 niños de 9 a 10 años de 21 centros médicos de todo el país. Los investigadores de Yale incluyeron solamente 7 mil 805 pacientes del estudio previo incluidos mil 798 niños con diagnóstico de TDAH.
Lin explicó que encontraron cambios en casi todas las regiones del cerebro que fueron investigadas, ya que realizaron un análisis estadístico de los datos de las imágenes para determinar la relación del TDAH con las métricas de neuroimagen como el volumen cerebral, integridad de la materia blanca y conectividad funcional. “La omnipresencia en todo el cerebro fue sorprendente, ya que muchos estudios anteriores han identificado cambios en regiones selectivas del cerebro”, señaló.
En este caso el aprendizaje automático fue utilizado para analizar las cantidades masivas de imágenes de resonancia magnética. De esta forma el estudio mostró que las imágenes pueden ayudar a identificar a los niños afectados por TDAH y a los médicos a mejorar su toma de decisiones sobre el diagnóstico, tratamiento y seguimiento.
