El estudio global muestra escaneos cerebrales más largos costos de investigación más bajos, proporcionan predicciones más precisas

Los modelos de inteligencia artificial (IA) entrenados en grandes conjuntos de datos se consideran cada vez más como la clave para desbloquear tratamientos personalizados para los trastornos cerebrales. Un cuello de botella importante para escalar la IA es el costo de la recopilación de datos. Esto plantea un dilema fundamental: ¿es más rentable escanear a más personas por un corto tiempo o menos personas por más tiempo?

Un estudio, publicado en el diario Naturalezadirigido por el profesor asociado Thomas Yeo del Centro para el Sueño y la Cognición, Yong Loo Lin School of Medicine, Universidad Nacional de Singapur (NUS Medicine), ahora ofrece una respuesta clara: los escaneos de resonancia magnética funcional de 30 minutos (FMRI) que cumplen hasta el 22% en ahorros de costos, mientras que aún conservan o incluso mejoran la precisión de la predicción.

El pensamiento tradicional en neurociencia enfatiza la recopilación de conjuntos de datos masivos escaneando a miles de personas para duraciones breves, generalmente alrededor de 10 minutos para fMRI. Los modelos de IA pueden ser entrenados para usar los escaneos cerebrales para hacer predicciones de rasgos o resultados a nivel individual. Estos rasgos y resultados pueden incluir habilidades cognitivas (por ejemplo, memoria, función ejecutiva), indicadores de salud mental y resultados clínicos (por ejemplo, riesgo de enfermedad de Alzheimer).

Sin embargo, a medida que aumentan los números de los participantes, también lo hacen los costos: incluso un escaneo breve puede volverse costoso una vez que los costos ocultos de reclutamiento, programación y rastreo administrativamente en los que se facturan a esos voluntarios. Los escaneos cortos tampoco pueden capturar suficiente información de alta calidad para hacer predicciones personalizadas confiables.

El equipo planteó una pregunta práctica: ¿qué pasaría si nos centramos en escanear menos personas, pero por períodos más largos? Trabajando con colaboradores de todo el mundo, incluido el profesor Thomas Nichols de la Universidad de Oxford y el profesor Nico Dosenbach de la Universidad de Washington en St. Louis, los investigadores desarrollaron un modelo matemático Eso predice cómo los cambios en el tiempo de exploración y el número de participantes afectan el rendimiento de los modelos de IA basados en el cerebro.

Validaron su modelo utilizando nueve conjuntos de datos internacionales de imágenes que abarcan a miles de personas de diferentes edades, etnias y estados de salud. Descubrieron que su modelo se puede utilizar para personalizar el diseño del estudio para maximizar la precisión de la predicción y minimizar el costo. Escanear a cada persona durante 30 minutos proporciona un punto óptimo para maximizar la precisión de la predicción y minimiza los costos de investigación.

“Durante años, el mantra ha sido ‘más grande es mejor’. Hemos perseguido cohortes cada vez mayores sin preguntar cuánto tiempo debe ser escaneada. “En esencia, podemos obtener lo mejor de ambos mundos, la predicción mejor a un costo más bajo”.

Este hallazgo podría remodelar cómo los investigadores diseñan la neurociencia y los estudios de salud mental, especialmente para las poblaciones difíciles de reclutas, como pacientes con afecciones neurológicas raras.

El equipo ahora está refinando su modelo utilizando datos clínicos del mundo real y tecnología emergente de imágenes cerebrales. Su objetivo: hacer que sea aún más fácil para los investigadores y los sistemas de salud en todo el mundo diseñar estudios cerebrales más inteligentes y más rentables.

Al ayudar a los estudios a recopilar mejores datos por menos dinero, el trabajo podría dar forma a la investigación futura en neurología y psiquiatría, y guiar los esfuerzos nacionales y globales para brindar atención médica más personalizada y asequible.

El profesor Nico Dosenbach, un neurólogo de la Universidad de Washington en St. Louis, coautor del estudio, agregó: “Este es un cambio de juego para el campo. Da a los equipos de investigación una forma rigurosa y cuantitativa de designar estudios más inteligentes, especialmente a medida que avanzamos hacia la neurosciencia de precisión. Los escaneos más largos significan mejores estimaciones de la conectividad cerebral, que se traduce en vínculos más confiables a cognición cognicional y clínicos y clínicos síntomas clínicos y clínicos y síntomas clínicos”.

El estudio fue creado conjuntamente por primera vez por el Dr. Leon Ooi, el Dr. Csaba Orban, el Dr. Shaoshi Zhang, tipos de investigación en el laboratorio del profesor asociado Thomas Yeo, quien es el autor principal y correspondiente del estudio.