Una comparación de métodos de clasificación para diferenciar la demencia frontotemporal de la enfermedad de Alzheimer utilizando imágenes de FDG-PET

La tomografía por emisión de positrones con flurodeoxiglucosa (FDG-PET) se está explorando para determinar su capacidad para diferenciar entre un diagnóstico de enfermedad de Alzheimer (EA) y demencia frontotemporal (DFT). Hemos examinado procedimientos de discriminación estadística para ayudar a alcanzar este objetivo y hemos comparado los resultados con calificaciones visuales de imágenes de FDG-PET. Los métodos se aplican a un conjunto de datos de 48 sujetos con diagnósticos confirmados por autopsia de EA o DFT (estos sujetos provienen de un estudio colaborativo multicéntrico financiado por el Centro Nacional de Coordinación de Alzheimer). Las imágenes de FDG-PET están compuestas por miles de voxeles (elementos de volumen), por lo que uno se encuentra con una situación en la que hay muchas más variables que sujetos. Por lo tanto, es necesario realizar una reducción de datos antes de que se pueda aplicar un procedimiento estadístico. Se examinan enfoques que utilizan tanto la imagen completa como estadísticas resumidas calculadas en varios volúmenes de interés (VOI). Realizamos técnicas de reducción de datos de análisis de componentes principales (PCA) y mínimos cuadrados parciales (PLS) en la imagen completa y luego utilizamos análisis discriminante lineal (LDA), cuadrático (QDA) o regresión logística (LR) para clasificar a los sujetos como portadores de EA o DFT. Algunos de estos métodos logran una precisión diagnóstica (evaluada mediante validación cruzada leave-one-out) que es similar a las calificaciones visuales de evaluadores expertos. Los métodos que utilizan PLS parecen ser más exitosos. Promediar o usar datos de VOI también puede ser útil.