Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
IBA-Radcal

Deascargar La Aplicación Móvil




Exámenes cerebrales predicen éxito de terapia del comportamiento cognitivo

Por el equipo editorial de MedImaging en español
Actualizado el 20 Mar 2018
Imagen: Un examen de resonancia magnética funcional, que muestra 10 redes de cerebro a gran escala (Fotografía cortesía de Wikimedia).
Imagen: Un examen de resonancia magnética funcional, que muestra 10 redes de cerebro a gran escala (Fotografía cortesía de Wikimedia).
Según un nuevo estudio, la resonancia magnética funcional (fMRI) y el aprendizaje automático podrían permitir a los terapeutas adaptar la terapia de comportamiento cognitivo (TCC) para los pacientes individuales.

Investigadores de la Universidad de California en Los Ángeles (UCLA, EUA), realizaron un estudio clínico que inicialmente recolectó las imágenes de resonancia magnética funcional en estado de reposo de los cerebros de 42 personas con trastorno obsesivo compulsivo (TOC), de 18 años a 60 años, antes y después de cuatro semanas de TCC intensiva y diaria. Luego, los investigadores aprovecharon el aprendizaje automático con validación cruzada para evaluar el poder de los patrones de conectividad funcional (CF) en la predicción de la gravedad de los síntomas del TOC después del tratamiento.

Los resultados revelaron que los patrones pretratamiento de CF dentro de la red de modo predeterminado (DMN) y la red visual, predijeron significativamente la gravedad del TOC después del tratamiento, lo que explica hasta el 67% de la varianza. Estas redes también fueron predictores más fuertes que los puntajes clínicos previos al tratamiento. Además, el aprendizaje automático predijo qué pacientes no responderían a la TCC con un 70% de exactitud, y también predijo los puntajes finales de evaluación de síntomas dentro de un pequeño margen de error, independientemente de cómo los pacientes respondieran al tratamiento. El estudio fue publicado el 12 de febrero de 2018 en la revista Proceedings of the National Academy of Sciences (PNAS).

“Este método abre una ventana al cerebro de los pacientes con TOC para ayudarnos a ver cuán receptivos serán al tratamiento. El algoritmo funcionó mucho mejor que nuestras propias predicciones”, dijo el neurocientífico clínico y autor principal, Jamie Feusner, MD. “El tratamiento del TOC podría comenzar algún día con un examen cerebral. El costo de realizar e interpretar una breve resonancia magnética es de varios cientos de dólares, pero ese gasto podría ayudar a las personas que no es probable que reciban ayuda de la TCC intensiva y, de esta manera, evitar el costo de ese tratamiento”.

Las áreas cerebrales están unidas entre sí en una red a gran escala identificada por su función, proporcionando un marco coherente para comprender la cognición. Se han identificado cuatro redes principales; la red de atención dorsal (DAN), que participa en el despliegue voluntario de atención y la reorientación a eventos inesperados; la red en modo predeterminado (DMN), que está activa durante la introspección; la red de saliencia (SN), que monitoriza la relevancia de las entradas externas y los eventos cerebrales internos; y la red de control ejecutivo (ECN), que se ocupa de las tareas cognitivas que requieren atención dirigida externamente, como la memoria de trabajo, la integración relacional, la inhibición de la respuesta y la conmutación del conjunto de tareas.

Digital Radiographic System
OMNERA 300M
Ultrasound-Guided Biopsy & Visualization Tools
Endoscopic Ultrasound (EUS) Guided Devices
Digital Color Doppler Ultrasound System
MS22Plus
X-ray Diagnostic System
FDX Visionary-A

Canales

Radiografía

ver canal
Imagen: el modelo de aprendizaje profundo detecta cambios sutiles relacionados con la edad a partir de radiografías de tórax (Fotografía cortesía de 123RF)

La IA detecta signos tempranos de envejecimiento a partir de radiografías de tórax

La edad cronológica no siempre refleja la velocidad real del envejecimiento corporal, y las pruebas actuales de edad biológica suelen basarse en marcadores genéticos que pueden pasar... Más

TI en Imaginología

ver canal
Imagen: La nueva Medical Imaging Suite hace que los datos de imágenes de atención médica sean más accesibles, interoperables y útiles (Fotografía cortesía de Google Cloud)

Nueva suite de imágenes médicas de Google Cloud hace los datos de imágenes médicas más accesibles

Las imágenes médicas son una herramienta fundamental que se utiliza para diagnosticar a los pacientes, y cada año se escanean miles de millones de imágenes médicas en... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.