Los investigadores han observado que las diferencias de comportamiento entre los individuos con este trastorno están relacionadas con variaciones en la estructura del cerebro.
Comprender la heterogeneidad del cerebro de las personas con trastorno del espectro autista (TEA) podría ser fundamental para mejorar su calidad de vida, ya que posibilitaría diagnósticos específicos e intervenciones conductuales más dirigidas.
Los investigadores han usado el machine learning (aprendizaje automático) para un análisis detallado de imágenes cerebrales de personas con autismo, sus resultados se han publicado en la revista Science.
El equipo utilizó esta técnica de inteligencia artificial (IA) para estudiar los datos de las imágenes de resonancia magnética de más de 1.000 individuos con TEA y las comparó con las que ofrecían las simulaciones computacionales sobre el aspecto que tendrían los cerebros si no tuvieran este trastorno.
El Dr. Aidas Aglinskas, neurocientífico de la institución estadounidense y coautor del trabajo explica :“las variaciones son diferencias en la neuroanatomía que indican un desarrollo alterado en determinadas regiones del cerebro”.
“En este estudio hemos investigado los cambios volumétricos asociados al trastorno del espectro autista, identificando las áreas cerebrales que están expandidas o comprimidas en comparación con lo que se esperaría si esa persona no lo tuviera”.
El experto indica que observaron que los cerebros de los individuos con autismo “difieren entre sí en muchas regiones cerebrales, incluidas las asociadas a los síntomas conocidos del TEA, como las implicadas en la cognición social, el lenguaje y las cortezas motoras”. También señala que el hecho de que distintas personas con TEA “puedan tener afectadas diferentes regiones podría ayudar a explicar las grandes diferencias en los síntomas: los afectados por este trastorno suelen presentar diferentes síntomas de distinta gravedad”.
El autismo difiere, tanto en síntomas como en neuroanatomía, de un individuo a otro. Investigaciones previas habían planteado la hipótesis de que podría no haber un único conjunto de correlaciones neuroanatómicas comunes a todos los individuos con TEA.
Con los datos de las resonancias magnéticas de 1.103 participantes, utilizaron patrones detectados por ordenador para crear una¨ simulación¨ de cómo sería el cerebro de cada individuo con TEA si no lo tuviera. Esto fue posible gracias a técnicas de machine learning, que separan las diferencias individuales en la anatomía del cerebro en la características específicas del TEA y las no relacionadas.
“Nos sorprendió descubrir, que a pesar de observar una gran variación en la anatomía del cerebro entre los individuos con autismo a través de múltiples dimensiones, los sujetos no se agrupaban en subtipos distintos y categóricos como se pensaba anteriormente”, señala Aglinskas.
“A nivel de la anatomía cerebral, las diferencias individuales dentro del TEA podrían ser mejor captadas por las dimensiones continuas que por los subtipos categóricos, según el coautor, “pero es importante destacar que esto no descarta la posibilidad de que se puedan encontrar subtipos categóricos con otros tipos de mediciones cerebrales, como las imágenes funcionales”.
Los autores indican la necesidad de comprender con más detalle cómo estas diferencias neuroanatómicas afectan al comportamiento. Planean utilizar las herramientas de IA para buscar, más allá de la estructura del cerebro, formas de entender mejor los diagnósticos de TEA y el comportamiento de los individuos afectados.
“Dos cerebros pueden tener una forma muy similar y aun así funcionar de forma diferente, hay una serie de otros aspectos del cerebro que tendremos que observar para obtener una imagen completa. En este momento, nos centramos en la conectividad funcional, la búsqueda de cómo está “conectado’ el cerebro”.
“Nuestra duda es si eso nos mostrará algo nuevo sobre las diferencias individuales dentro del TEA. El objetivo de este trabajo es poder utilizar los datos de las imágenes cerebrales para desarrollar enfoques sanitarios personalizados para las personas con autismo”.
Aidas Aglinskas destaca que gracias a las herramientas de aprendizaje automático, que permiten encontrar patrones sutiles en grandes conjuntos de datos como los que proporciona la neuroimagen, “pudimos desentrañar las diferencias neuroanatómicas a nivel individual específicas del TEA; y observamos que estas diferencias en la estructura estaban relacionadas con los síntomas de este trastorno, lo que nos acerca a enfoques de medicina de precisión en estos casos”.
