Resumen
Los trastornos neurológicos psiquiátricos y degenerativos representan un creciente problema de salud y una importante carga social en los países desarrollados. Muchos de estos trastornos se basan en o se correlacionan con alteraciones en la forma en que se organizan los circuitos funcionales y estructurales en el cerebro.
Este proyecto investigará los mecanismos cerebrales de enrutamiento de la información y el establecimiento de las topografías funcionales en el cerebro. Con este fin, vamos a explorar un nuevo concepto (y desarrollar nuevas herramientas para ello) en el que existen redes cerebrales en un equilibrio funcional que puede ser perturbado y desplazado hacia nuevos equilibrios disfuncionales a través de efectos en cascada que se propagan en la red cerebral densamente conectada. Recientes hallazgos de experimentos de resonancia magnética funcional (RMf) en estado de reposo sobre humanos y roedores han revelado un diseño de conectividad bien definido, caracterizado por la presencia de nodos conectados de manera crucial, para maximizar la resiliencia en la interacción de las redes cerebrales. Por lo tanto, se espera que las alteraciones estructurales y/o funcionales dirigidas a aquellos nodos tengan gran impacto en el comportamiento general de la red y, al mismo tiempo, estos nodos pueden ser vistos como puntos de acceso para el
tratamiento de la dinámica de la red global.
La IRM se considera la mejor técnica no invasiva para ayudar en el diagnóstico, siendo capaz de proporcionar información funcional y anatómica mediante el uso de sus diferentes contrastes o modalidades. Distintos parámetros de IRM tienen la capacidad de detectar la organización a nivel microscópico de los tejidos del cerebro desde diferentes perspectivas. Combinaremos distintas modalidades de IRM a través del análisis de patrones multivariados para aumentar la sensibilidad y precisión que nos permitirá conocer la disfunción cerebral. Aplicaremos el análisis de texturas para cuantificar los patrones de niveles de gris, interrelaciones de píxeles, y las propiedades espectrales para extraer las características que ponen de manifiesto patrones microestructurales distintos. La gran variedad de métodos de análisis de texturas hace posible obtener una gran variedad de características que se pueden utilizar en combinación con técnicas de aprendizaje máquina para obtener una herramienta de diagnóstico fiable. A través de este subproyecto, vamos a determinar también las mejores características texturales discriminantes basadas en un análisis bi- y tri-dimensional de imágenes estructurales de RM para evaluar estados cerebrales específicos.
Hipotetizaremos, posteriormente, que la especificidad del análisis de texturas se puede mejorar mediante la extensión de la evaluación de las interrelaciones de píxel en el plano para incluir relaciones a través de plano. Para ello, vamos a aprovechar la adquisición de las secuencias temporales de RMf que contiene información dinámica sobre la actividad neuronal para cada voxel del cerebro, con el fin de calcular un análisis de texturas 4D, extrayendo variaciones locales a lo largo de la dimensión espacial y temporal. La característica de textura será entonces la entrada a un clasificador que permitirá diferenciar estados de la red cerebral.
Finalmente, combinaremos la información textural funcional y estructural para construir biomarcadores de enfermedad eficientes, yendo más allá del estado del arte actual.
