Descripción del proyecto
EN LOS ULTIMOS AÑOS, LOS AVANCES EN EL PROCESAMIENTO DE IMAGENES, LA CIENCIA DE DATOS Y LA INVESTIGACION CLINICA HA FOMENTADO EL DESARROLLO DE TECNICAS PARA EL ANALISIS DE IMAGENES MEDICAS, ASI COMO LA CREACION DE GRANDES CONJUNTOS O BASES DE DATOS, QUE A MENUDO INCLUYEN VARIAS MODALIDADES, EN EL CONTEXTO DE LA ENFERMEDAD DE ALZHEIMER (EA), ESTAS BASES DE DATOS PUEDEN REPRESENTAR UNA OPORTUNIDAD PARA ESTUDIAR LOS CAMBIOS CEREBRALES DESDE UNA PERSPECTIVA AMPLIA, APROVECHANDO LAS INFERENCIAS ENTRE LAS MODALIDADES Y TAMBIEN PERMITIENDO LA DEFINICION DE TRAYECTORIAS, QUE SE PUEDEN UTILIZAR PARA PROPORCIONAR PREDICCIONES INDIVIDUALES DEL PRONOSTICO DE LOS SUJETOS, VARIOS ESTUDIOS HAN DESCRITO CAMBIOS NEUROPATOLOGICOS, ESTRUCTURALES Y FUNCIONALES EN LA EA, Y, DE ACUERDO CON LOS CRITERIOS NIA-AA, EL DIAGNOSTICO DE LA ENFERMEDAD SE ABORDA A TRAVES DE UNA CARACTERIZACION BIOLOGICA QUE INCLUYE MARCADORES AMILOIDE (A), TAU (T) Y NEURODEGENERACION (N), SIN EMBARGO, LA (CO)REGIONALIZACION -COINCIDENCIA DE LOCALIZACION- DE ESTOS CAMBIOS TODAVIA ES DESCONOCIDA Y EXISTEN MUCHAS CUESTIONES METODOLOGICAS QUE DEBEN ABORDARSE PARA PODER PROPORCIONAR PREDICCIONES FIABLES, ALGUNAS INICIATIVAS INTERNACIONALES, COMO THE DOMINANTLY INHERITED ALZHEIMER NETWORK (DIAN) Y LA ALZHEIMERS DISEASE NEUROIMAGING INITIATIVE (ADNI) HAN RECOPILADO DATOS MULTIMODALES DE LA EA GENETICA Y ESPORADICA, RESPECTIVAMENTE, AMBAS BASES DE DATOS INCLUYEN DATOS DE IMAGENES DE RESONANCIA MAGNETICA (RMN) Y TOMOGRAFIA POR EMISION DE POSITRONES (PET), EN LOS ESTUDIOS CLINICOS MAS REDUCIDOS, EL NUMERO DE SUJETOS PARA PET SUELE SER MENOR QUE LOS DISPONIBLES PARA LA RMN, MEDIANTE ESTE PROYECTO, PROPONEMOS UN MARCO METODOLOGICO, UTILIZANDO UN ENFOQUE DE APRENDIZAJE AUTOMATICO BAYESIANO QUE APROVECHA LAS CORRELACIONES CRUZADAS ENTRE LAS MODALIDADES PARA PREDECIR EL PRONOSTICO DE LA EA, UTILIZAREMOS SIMULACIONES DE MONTE-CARLO PARA CREAR CONJUNTOS DE DATOS SINTETICOS DE ACUERDO CON PREGUNTAS CLINICAS CONOCIDAS, QUE SE UTILIZARAN PARA DESARROLLAR LA METODOLOGIA Y DEFINIR LOS MODELOS PREDICTIVOS, PARA EL PROYECTO ACTUAL TRABAJAREMOS CON TRES MODALIDADES: RMN ESTRUCTURAL, RMN FUNCIONAL EN REPOSO Y PET DE AMILOIDE, SIN EMBARGO, LA METODOLOGIA PUEDE EXTENDERSE A OTRAS MODALIDADES (COMO TAU-PET) Y APLICARSE A OTRAS ENFERMEDADES NEUROLOGICAS, PARA EVALUAR LA PREDICCION, UTILIZAREMOS PROCESOS GAUSSIANOS (GAUSSIAN PROCESSES GP), QUE OFRECEN UN BUEN MARCO PARA MODELAR LAS RELACIONES ENTRE INDIVIDUOS Y MODALIDADES, LOS GPS SE HAN PROBADO EN OTRAS SITUACIONES NEUROLOGICAS, PERO NUNCA SE HAN UTILIZADO EN EL CONTEXTO DE LA EA Y EN LA FUSION RMN-PET, AL FINAL DEL PROYECTO, CONTRIBUIREMOS A APORTAR CONOCIMIENTO PARA ENTENDER LA RELACION QUE EXISTE ENTRE DIFERENTES MODALIDADES DE IMAGEN, EN EL CONTEXTO DE LA EA Y SUS SUBTIPOS, NUESTRA PROPUESTA INCLUYRA CONCEPTOS COMO LA COREGIONALIZACION QUE SE PUEDE AGREGAR AL METODO DE DIAGNOSTICO AT(N) CONOCIDO, ADEMAS, CREAREMOS UN SOFTWARE QUE SE PUEDE UTILIZAR EN LOS ENTORNOS CLINICOS Y DE INVESTIGACION, PARA UN USUARIO POTENCIAL, NUESTRO SOFTWARE PODRIA UTILIZARSE (1) PARA ESTUDIAR TRAYECTORIAS EN CONJUNTOS PROPIOS DE DATOS MULTIMODALES HETEROGENEOS, (2) PARA CONTRIBUIR AL PRONOSTICO DE LOS SUJETOS INDIVIDUALES APROVECHANDO MODELOS PREDEFINIDOS Y DATOS SIMULADOS, CON LA AYUDA DE UNA EMPRESA DE CONSULTORIA, DESARROLLAREMOS UN PLAN DE TRANSFERENCIA DE TECNOLOGIA CON EL FIN DE LLEVAR EL METODO DESARROLLADO AL MERCADO, ENFERMEDAD DE ALZHEIMER\NEUROIMAGEN\PET\MRI\CUANTIFICACION\SIMULACION DE MONTE-CARLO\MACHINE LEARNING\PREDICCION\MODELO MULTIMODAL