Az fMRI adatok új elemzése javíthatja a skizofrénia kezelését
Egy új tanulmányban a Baltimore megyei Maryland Egyetem (UMBC) kutatói olyan eszközöket fejlesztettek ki, amelyek javítják a funkcionális mágneses rezonancia képalkotás (fMRI) adatainak elemzését, és ennek eredményeként ma már képesek azonosítani a skizofrénia betegek alcsoportjait.
Az új eredmények segítséget nyújthatnak olyan mentális betegségekben szenvedő betegek diagnosztizálásában és kezelésében, amelyeket nehéz felismerni, és megmutathatják az orvosoknak, hogy a jelenlegi kezelések képcsoport-csoportosítás alapján működtek-e vagy sem.
A tanulmány a folyóiratban jelent meg NeuroImage.
A képelemzési módszert független vektoranalízisnek (IVA) nevezzük a közös altérkivonáshoz (CS). Ezzel a módszerrel a kutatók képesek voltak az fMRI-adatok alcsoportjainak kategorizálására kizárólag az agytevékenység alapján, bizonyítva, hogy összefüggés van az agytevékenység és egyes mentális betegségek között. Különösen az fMRI adatok elemzésével tudták azonosítani a skizofrénia betegek alcsoportjait.
Korábban még nem volt egyértelmű módszer a skizofrénia csoportosítására a betegeknél, csak az agyi képalkotás alapján, de az új módszer jelentős összefüggést mutat be a beteg agyi aktivitása és diagnózisa között.
"A legizgalmasabb rész az, hogy kiderült, hogy az azonosított alcsoportok klinikai jelentőséggel bírnak, ha megnézzük diagnosztikai tüneteiket" - mondta Qunfang Long, Ph.D. jelölt az UMBC-n elektrotechnikában. "Ez a megállapítás arra ösztönzött minket, hogy fordítsunk nagyobb erőfeszítéseket a skizofréniában szenvedő betegek altípusainak tanulmányozására neuroimaging képek felhasználásával."
Fontos, hogy az ezen alcsoportok azonosítására használt IVA-CS módszer szintén megőrzi az adatok árnyalatait, de statisztikailag szignifikáns csoportosításokat végez.
"Most, hogy az adatközpontú módszerek népszerűségre tettek szert, nagy kihívás volt az egyes tantárgyak variabilitásának megragadása, miközben egyidejűleg elemzést végeztek számos alany fMRI-adatkészletein" - mondta Dr. Tülay Adali, a számítástechnika és az elektrotechnika professzora és az UMBC Gépi tanulás a jelfeldolgozáshoz laborjának igazgatója.
"Most hatékonyan elvégezhetjük ezt az elemzést, és azonosíthatjuk az alanyok értelmes csoportosítását."
A mentális betegségek diagnosztizálása és kezelése hihetetlenül összetett. Ugyanaz a betegség különbözőképpen jelentkezik a különböző betegeknél, és gyakran nincs olyan egyedi kezelés, amely minden beteg számára hatékony lenne. Miután a kezelés megkezdődött, annak meghatározása, hogy sikeres-e, betegenként is változhat.
Ez a kutatás válaszol a változékonyságra azáltal, hogy az orvosok objektív módon elemzik a viszonylag hasonló diagnosztikai alcsoportokba tartozó betegek fMRI eredményeit, majd összehasonlítják az fMRI eredményeit az idő múlásával ugyanazon beteg esetében.
Tekintsünk egy skizofrén beteget, aki kezelést kap, és hat hónap múlva visszatér, hogy újra értékeljék. Ha fMRI-adataik jobban hasonlítanak a mentálisan egészséges betegek kontrollcsoportjának adataira, mint más skizofréniás betegek adataira, ez objektív bizonyíték arra, hogy a kezelés működik. Nagyobb skálán ezek az adatok jobban áttekintik a betegek gyógykezelésének eredményeit.
Ezután Adali csapata longitudinális adatokkal dolgozik annak meghatározására, hogy mely kezelések működnek a legjobban a specifikus mentális betegségben szenvedő betegek alcsoportjainál. Ezt a módszert a serdülők longitudinális vizsgálatában is alkalmazni fogják annak megállapítására, hogy vannak-e összefüggések az fMRI képek és az adott serdülők függőségi és szerhasználati szokásai között az idő múlásával.
Adali és Long jelenlegi kutatásai Dr. Vince Calhoun hosszú távú munkatársával, az atlantai Tri-intézményi központban zajlanak a transzlációs kutatások az idegépalkotás és az adattudomány területén.
Forrás: Maryland University, Baltimore County
