L'integrazione di più modalità MRI migliora la previsione delle capacità cognitive

L'integrazione di più modalità MRI migliora la previsione delle capacità cognitive

La previsione delle capacità cognitive mediante l’imaging del cervello è stata a lungo un obiettivo centrale nelle neuroscienze cognitive. Sebbene l’apprendimento automatico abbia migliorato leggermente le previsioni utilizzando i dati della risonanza magnetica cerebrale, la maggior parte degli studi si basa su un’unica modalità di risonanza magnetica. Narun Pat e colleghi hanno integrato più modalità di risonanza magnetica attraverso una tecnica chiamata stacking.

Il metodo combina la risonanza magnetica strutturale (ad esempio lo spessore corticale), lo stato di riposo e la connettività funzionale basata sull'attività, nonché i contrasti dipendenti dal livello di ossigeno nel sangue (BOLD) evocati dall'attività per creare un marcatore neurale più robusto della funzione cognitiva. Gli autori hanno analizzato i dati di 2.131 partecipanti di età compresa tra 22 e 100 anni provenienti da tre ampi set di dati MRI negli Stati Uniti e in Nuova Zelanda. Nei tre set di dati, sono state raccolte in modo coerente e significativamente migliori le previsioni dei punteggi dei test cognitivi raccolti dallo scanner. Per valutare se l’impilamento potesse catturare tratti cognitivi stabili, gli autori hanno applicato il metodo allo studio multidisciplinare sulla salute e sullo sviluppo di Dunedin. Utilizzando l’imaging cerebrale all’età di 45 anni, il modello ha previsto i punteggi cognitivi nell’infanzia (7, 9 e 11 anni) con una correlazione di 0,52, riconoscendo un livello significativo di accuratezza predittiva. L’impilamento ha dovuto affrontare anche una sfida importante nei modelli basati sulla risonanza magnetica: l’affidabilità test-retest, ovvero la stabilità delle classifiche individuali nel tempo. La migliore coerenza suggerisce che l’impilamento consente ai dati MRI di catturare differenze individuali più persistenti nelle capacità cognitive rispetto ai modelli con modalità MRI singola.

Infine, i ricercatori hanno valutato la generalizzabilità dello stacking effettuando l'addestramento su un set di dati e testando un set di dati separato e indipendente. A causa delle differenze nei protocolli delle attività, gli autori non sono stati in grado di includere diverse importanti modalità di risonanza magnetica. Tuttavia, il modello ha raggiunto una correlazione di Pearson pari a 0,25. Sebbene questo fosse inferiore alla prestazione all’interno del set di dati, la correlazione ha comunque dimostrato un grado significativo di applicabilità tra campioni. Secondo gli autori, lo studio stabilisce un prezioso punto di riferimento su come lo stacking può rafforzare l’uso della risonanza magnetica cerebrale come indicatore neurale affidabile e robusto della funzione cognitiva.

Fonti: