Valores normativos basados en datos a partir de aprendizaje de variedades generativas para MRI cuantitativa

Resumen En medicina, las anomalías en métricas cuantitativas, como la reducción del volumen de una región cerebral de un individuo en comparación con un grupo de control, a menudo se presentan como desviaciones de los llamados valores normales. Estos valores de referencia normativos se calculan tradicionalmente en base a los valores cuantitativos de un grupo de control, que pueden ajustarse por co-variables clínicas relevantes, como la edad o el sexo. Sin embargo, estos valores normativos promedio no tienen en cuenta la globalidad de la información cuantitativa disponible. Por ejemplo, el análisis cuantitativo de imágenes de resonancia magnética ponderadas en T1 basado en la segmentación de estructuras anatómicas incluye frecuentemente más de 100 estructuras cerebrales en los informes cuantitativos, y estas tienden a analizarse por separado. En este estudio, proponemos un enfoque global para valores normativos personalizados para cada estructura cerebral utilizando una técnica de Inteligencia Artificial no supervisada conocida como aprendizaje de variedades generativas. Probamos el beneficio potencial de estos valores normativos personalizados en comparación con los valores normativos promedio más tradicionales en una población de pacientes con epilepsia resistente a medicamentos operados por displasia cortical focal, así como en un grupo suplementario de personas sanas y en pacientes con enfermedad de Alzheimer.