Resumen de Prognosis and risk models of depression are built from analytical components of the rs-fMRI activity in patients
La depresión es el tipo de trastorno emocional más común en la población mundial. Se caracteriza por sentimientos de culpa o negativos, baja autoestima, pérdida de interés, alto nivel de reflexión y en general una disminución de las funciones psíquicas del individuo. Las nuevas técnicas de neuroimagen no invasivas han incrementado la habilidad para estudiar posibles variaciones de la actividad cerebral en pacientes. En concreto, las imágenes por resonancia funcional magnética (fRMI) se han convertido en las dos últimas décadas el método más importante, no-invasivo sin riesgo para la salud humana, para el estudio de las funciones cerebrales humanas. Biswal y otros en 1995, y posteriormente Lowe y compañía en 1998, demostraron la existencia de actividad espontanea continua en la actividad cerebral en estado de reposo. Estas fluctuaciones también han sido confirmadas en otras especies como en macacos (Vincent JL y compañía, 2007). El estudio mediante técnicas de neuroimagen sobre la actividad cerebral en reposo (rs-fMRI) se ha convertido en una potente herramienta para el estudio de enfermedades, puesto que, por un lado, se ha demostrado tener una mejor relación señal-ruido respecto a enfoques basados en tareas, y por otro lado, ciertos pacientes podrían tener dificultades para realizar algún tipo de tareas cognitivas, de lenguaje o motoras.
Sin embargo, parece ser que debido a ciertas inconsistencias encontradas entre estudios, las técnicas de rs-fMRI no estarían llegando a un uso clínico-práctico para el seguimiento, pronóstico o pre-diagnostico personalizado en individuos con depresión. En línea a esto, aunque Grecius MD en 2008 expuso los beneficios de la técnica rsfMRI también comentó que para poder ser utilizada en la rutina clínica aún se debería mejorar la relación señal-ruido. Propuso alargar los tiempos de las series temporales en estado de reposo y mejorar los procedimientos de análisis.
En esta tesis se trabaja para dilucidar si existen ciertos factores o componentes en la señal funcional en estado de reposo que pudieran ser utilizados para su uso en la salud clínica. Por ello, utilizamos datos de rs-fMRI sobre dos conjunto de muestras. En el primer conjunto, 27 pacientes con depresión mayor (MDD) y 27 individuos como control, diseñamos descriptores que describan aspectos estáticos y dinámicos de la señal de reposo para la construcción de modelos de prónostico. En cambio, con el segundo tipo de muestras, 48 gemelos, analizamos la relación de posibles factores genéticos y de entorno que pudieran explicar ciertos componentes depresivos en la actividad en estado de reposo.
Por un lado, los resultados muestran que la depresión pudiera estar afectando diferentes redes cerebrales al mismo tiempo localizadas en la parte prefrontal-limbica, en la red DMN, y entre los lóbulos frontoparietales. Además, parece ser que las alteraciones sobre estas redes pudieran ser explicadas tanto por aspectos estáticos y dinámicos existentes en la señal de reposo. Finalmente, conseguimos crear modelos que explicarían parcialmente ciertos fenómenos clínicos presentes en los pacientes depresivos, mediante descriptores globales de estas redes. Estos descriptores de red pudieran ser utilizados para el seguimiento personalizado en pacientes con depresión mayor.
Por otro, utilizando la muestra de gemelos, conseguimos construir un modelo de riesgo a partir de la actividad amigdalar que evalúa el riesgo o propensión de un individuo a partir de componentes analíticas en la actividad de reposo. También sobre esta muestra, se analizó el cerebelo encontrando que el entorno pudiera estar modificando la actividad en estas regiones.
