O aprendizado de máquina baseado em fMRI ajuda a prever os resultados do coma

Um algoritmo de aprendizado de máquina pode prever a partir de dados funcionais de ressonância magnética (RMf) se um paciente em coma após parada cardíaca recuperar a consciência, de acordo com um estudo publicado on-line em 21 de maio no American Journal of Neuroradiology.

As descobertas oferecem aos médicos uma nova maneira de avaliar resultados futuros nesses pacientes, de acordo com um grupo de pesquisadores liderado pela Dra. Deborah Pugin dos Hospitais da Universidade de Genebra, na Suíça. "O principal fator que determina a morte em pacientes com parada cardíaca fora do hospital admitidos na unidade de terapia intensiva ... é a lesão cerebral pós-anóxica, que leva à retirada do tratamento", escreveu o grupo. "A prognóstico de pacientes em coma ... depende de testes multimodais usando exame clínico, testes eletrofisiológicos, neuroimagem estrutural e de difusão e biomarcadores. Embora esse prognóstico multimodal seja preciso para prever resultados ruins (ou seja, morte), não é sensível o suficiente. identificar pacientes com bom resultado (ou seja, recuperação da consciência) ".

Pugin, Dr. Jeremy Hofmeister, e colegas realizaram um estudo para explorar se a RMf em estado de repouso poderia fornecer informações sobre possíveis resultados positivos para esses pacientes. A equipe treinou um algoritmo de aprendizado de máquina para identificar pacientes com bons e maus resultados com base em dados de ressonância magnética que mediram a conectividade do cérebro inteiro. O estudo incluiu 17 pacientes (destes, nove recuperaram a consciência e oito permaneceram em coma). O grupo também comparou a previsão baseada na fMRI com uma baseada na RM ponderada por difusão (DWI), um dos métodos tradicionais de avaliação de pacientes em coma.

Os pesquisadores descobriram maior conectividade funcional do cérebro em pacientes que recuperaram a consciência, com as maiores alterações nas áreas occipitoparietal e temporofrontal do cérebro. De fato, o algoritmo de aprendizado de máquina que utiliza os dados de fMRI mostrou uma taxa de precisão de 94,4% para prever resultados positivos, com uma área abaixo da curva de operação do receptor (AUC) de 0,94. Esses resultados foram significativamente melhores quando comparados à RM DWI, que teve uma precisão de 60% e uma AUC de 0,63. "[Nossos] resultados sugerem que pacientes que eventualmente recuperam a consciência ... exibem inicialmente uma atividade mais alta nas áreas occipitais e entre essas áreas e regiões corticais amplamente distribuídas", observou o grupo. "Por outro lado, os pacientes que morrem no início mostram atividade mais focada, entre as regiões occipital, temporossuperior e temporopolar, bem como dentro dessas áreas".

O aprendizado de máquina baseado na ressonância magnética mostra-se promissor como uma ferramenta para avaliar o prognóstico de pacientes em coma, de acordo com o grupo. "Usando métodos de classificação de aprendizado de máquina, descobrimos que a RMf em estado de repouso produz uma contribuição valiosa no prognóstico de pacientes pós-tóxicos em coma deixados com um prognóstico indeterminado após o teste multimodal padrão, oferecendo notavelmente alta precisão para identificar pacientes com ambos os bons. e maus ... resultados ", escreveu o grupo. "Nossos resultados podem, assim, preencher a lacuna deixada no prognóstico precoce de pacientes pós-tóxicos em coma, alcançando uma previsão de resultados significativamente melhor do que os métodos atuais de DWI".

Fonte: https://www.auntminnie.com/index.aspx?sec=sup&sub=mri&pag=dis&ItemID=129107