Classificação automatizada de padrões morfológicos cerebrais complexos em indivíduos com primeiro episódio psicótico: avaliação de desempenho diagnóstico / Automated classification of complex morphological brain patterns in individuals with first-episode psychosis: assessment of diagnostic performance

INTRODUÇÃO: Os transtornos mentais psicóticos são condições frequentes na população em geral e estão associados à grande morbidade e elevadas taxas de comprometimento funcional, tornando-os um grave problema de saúde pública. O desenvolvimento de novos métodos de auxílio diagnóstico e prognóstico a pratica clínica psiquiátrica possibilitando que intervenções efetivas sejam feitas precocemente na história natural da doença são, dessa forma, desejáveis. A classificação de padrões neuroanatômicos é uma robusta técnica para processamento e análise de imagens médicas que permite tanto a realização de comparações voxel-a-voxel entre grupos com alta dimensionalidade de variáveis, como a classificação individualizada das imagens. OBJETIVOS: Avaliar o desempenho diagnóstico de um classificador de padrões morfológicos complexos baseado em support vector machine (SVM) na discriminação entre diferentes transtornos psicóticos no momento do primeiro episódio, utilizando-se uma abordagem epidemiológica para a seleção de casos e controles, bem como na determinação de prognóstico de 1 ano em pacientes com primeiro episódio de esquizofrenia. MÉTODOS: Uma amostra de 62 pacientes com primeiro episódio de esquizofrenia/ transtorno esquizofreniforme, 23 casos de primeiro episódio de mania psicótica (transtorno bipolar tipo I, TB-I), e 19 indivíduos com depressão maior (DM) psicótica foram estudados com ressonância magnética (RM) estrutural de 1.5T, assim como um total de 89 controles residentes na mesma região dos casos. As imagens T1 foram inicialmente registradas a uma imagem molde comum através de um método com preservação de massa, permitindo a obtenção de volumes cerebrais regionais. Um classificador neuroanatômico multivariado baseado em redução de dimensionalidade e SVM foi utilizado para identificar o melhor conjunto de características morfológicas que diferencia cada transtorno psicótico (esquizofrenia/ transtorno esquizofreniforme, TB-I e DM psicótica) de subgrupos de controles saudáveis pareados por idade, gênero e anos de escolaridade. Os resultados obtidos pelo classificador foram, então, analisados com o auxílio de uma curva ROC, e um mapa espacial de alta dimensionalidade daquelas regiões cerebrais que constituem um padrão de distribuição tecidual cerebral característico de cada transtorno psicótico em relação aos controles foi gerado. RESULTADOS: O classificador obteve uma discriminação apenas modesta entre pacientes com primeiro episódio de esquizofrenia/ transtorno esquizofreniforme e controles saudáveis, com uma medida de área sob a curva (AUC) de 0,75 e acurácia de 73,4%. O mapa espacial discriminatório resultante mostrou um padrão complexo de alterações volumétricas comprometendo regiões fronto-límbicas tanto de substância cinzenta como de substância branca cerebral bilateralmente, fascículos cerebrais associativos, terceiro ventrículo e o ventrículo lateral esquerdo. Um desempenho diagnóstico pobre foi observado nas comparações entre pacientes com TB-I e MD psicótica e controles. Além disso, o classificador baseado em SVM não conseguiu predizer satisfatoriamente o prognóstico de 1 ano (evolução de remissão versus não remissão) dos pacientes com primeiro episódio de esquizofrenia. CONCLUSÃO: Utilizando uma amostra de pacientes com psicoses afetivas e não afetivas com características clínicas semelhantes aos pacientes vistos na nossa prática psiquiátrica (comorbidade com transtornos de uso de substâncias e curso clínico variável) e selecionados através de uma abordagem epidemiológica populacional, o classificador de padrões neuroanatômicos não obteve bom desempenho diagnóstico na discriminação entre as formas esquizofreniformes e afetivas de primeiro episódio psicótico, e também não conseguiu predizer satisfatoriamente o prognóstico de 1 ano em primeiro episódio de esquizofrenia, utilizando apenas imagens estruturais de RM / INTRODUCTION: Psychotic disorders are prevalent medical conditions in the general population, and are usually associated with high morbidity and functional impairment rates, which make them a major concern for public health. The development of new methods aiming to aid diagnostic and prognostic value in clinical psychiatric practice thus allowing effective interventions at an early course of the illness are, therefore, desirable. Neuroanatomical pattern classification is a powerful technique for image processing and analysis which allows both high-dimensional voxelwise group comparisons and classification of images at an individual basis. OBJECTIVES: To evaluate the diagnostic performance of a support vector machine (SVM)-based complex morphological pattern classifier was used to discriminate different non-affective and affective psychotic disorders at the first episode using a population-based approach to recruit both cases and healthy controls, and also to predict 1-year prognosis (i.e., remitting versus non-remitting course) in a group of patients with first-episode schizophrenia. METHODS: A sample of 62 patients with first-episode schizophrenia/ schizophreniform disorder, 23 cases presenting with their first-episode of psychotic mania (bipolar I disorder, BD-I) and 19 individuals with psychotic major depressive disorder (MDD) was studied with 1.5T structural magnetic resonance imaging (MRI), as well as a pool of 89 epidemiologically recruited controls. T1-weighted images were first registered to a common template through a robust mass-preserving routine allowing regional volumetric analysis. A high-dimensional multivariate classification method based on dimensionality reduction and SVM was employed to identify the best and most parsimonious set of morphological features that discriminate each psychotic group (schizophrenia/ schizophreniform disorder, BD-I & psychotic MDD) from subgroups of age, gender and educationally-matched healthy controls. The abnormalities scores generated by the classifier were analyzed with a ROC curve analysis and a high-dimensional spatial map of the brain regions that constitute a pattern of brain tissue distribution characteristic of each of the non-affective and affective groups relative to controls was created. RESULTS: The SVM-classifier afforded modest discrimination between subjects with first-episode schizophrenia/ schizophreniform disorder and controls, with an area under the curve (AUC) value of 0.75 and overall accuracy of 73.4%. The resulting discriminative spatial map revealed a complex pattern of regional volumetric abnormalities affecting both gray and white matter fronto-limbic regions bilaterally, long associative fasciculi, besides the third and lateral ventricles. A poor diagnostic performance was observed in the pairwise comparisons between BD-I and psychotic MDD versus controls. Also, the SVM-classifier failed to predict 1-year prognosis (remitting versus non-remitting course) in the first-episode schizophrenia group. CONCLUSION: The present results suggest that at the population level and using a real world sample of affective and non-affective psychotic patients with comorbid substance use disorders and variable disease course, we failed to achieve good discrimination between schizophreniform and affective forms of first-episode psychosis, and also in predicting 1-year prognosis of first-episode schizophrenia patients, using structural images

Identiferoai:union.ndltd.org:IBICT/oai:teses.usp.br:tde-10072012-153852
Date20 April 2012
CreatorsMarcus Vinicius Zanetti
ContributorsGeraldo Busatto Filho, Orestes Vicente Forlenza, Marcel Parolin Jackowski, Acioly Luiz Tavares de Lacerda, Rodrigo Machado Vieira
PublisherUniversidade de São Paulo, Psiquiatria, USP, BR
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis
Sourcereponame:Biblioteca Digital de Teses e Dissertações da USP, instname:Universidade de São Paulo, instacron:USP
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0031 seconds