A busca por entender a complexidade do Transtorno do Espectro Autista (TEA) tem levado pesquisadores a explorar novas abordagens diagnósticas e de caracterização. Um estudo recente utilizou ressonância magnética estrutural (sMRI) e ferramentas de aprendizado de máquina para identificar possíveis subtipos de TEA, com base em alterações anatômicas no cérebro.
O estudo envolveu o processamento de dados de sMRI utilizando o FreeSurfer toolbox, uma ferramenta de análise de neuroimagem. As regiões cerebrais foram segmentadas em 148 áreas de interesse, utilizando o Destrieux atlas, e diversas características foram extraídas, incluindo volume, espessura, área de superfície e curvatura média. A análise de componentes principais (PCA) foi aplicada para identificar as 10 características mais relevantes em cada categoria. Em seguida, o algoritmo de k-means clustering foi utilizado para agrupar os dados, revelando a existência de dois grupos distintos no conjunto de dados, sugerindo a presença de dois subtipos de TEA.
As características que melhor discriminaram os dois grupos incluíram o volume do giro frontal médio esquerdo, a espessura do sulco temporal transverso direito, a área do sulco temporal superior esquerdo e a curvatura média do giro pré-central esquerdo. As diferenças encontradas foram estatisticamente significativas, o que reforça a validade da abordagem. A identificação desses subtipos pode ter implicações importantes para o desenvolvimento de estratégias de intervenção mais direcionadas e personalizadas para indivíduos com TEA. Além disso, a metodologia utilizada pode ser aplicada no rastreamento de outros distúrbios neurológicos similares, representando um avanço significativo na área da Saude e da neurociência.
Origem: Link