Multisite functional connectivity MRI classification of autism: ABIDE results

Traduction: G.M.

Front Hum Neurosci. 2013 Sep 25;7:599.

Classification IRM de la connectivité fonctionnelle multisite dans l'autisme: Résultats ABIDE

Nielsen JA, Zielinski BA, Fletcher PT, Alexander AL, Lange N, Bigler ED, Lainhart JE, Anderson JS.

Source

Interdepartmental Program in Neuroscience, University of Utah Salt Lake City, UT, USA ; Department of Psychiatry, University of Utah Salt Lake City, UT, USA.

Contexte

Des différences systématiques dans les mesures par IRM de la connectivité fonctionnelleont été observées de manière consistance dans l'autisme, avec principalement une diminution de la connectivité cortico-corticale.
Les précédentes tentatives de classification en un objet unique de l'autisme de haut niveau en utilisant une connectivité point par point de l'ensemble du cerveau ont rapporté environ 80% de classification exacte de l'autisme par rapport à des sujets contrôles dans un large éventail d'âge.
Nous avons tenté de reproduire la méthode et les résultats à l'aide du Autism Brain Imaging Data Exchange (ABIDE), y compris les données d'IRMf à l'état de repos obtenus à partir de 964 personnes et 16 sites internationaux distincts . 

Méthodes 

Pour chacun des 964 sujets, nous avons obtenu des mesures de connectivité fonctionnelles paires à partir d'un réseau de 7266 des régions d'intérêt couvrant la matière grise (26,4 millions de «connexions») après prétraitement qui comprenait la correction du temps par tranche et du mouvement, la coregistration d'une image anatomique, la normalisation de la norme l'espace, et enlèvement de voxelwise par régression des paramètres de mouvement, du tissu mou, du CSF, et des signaux de matière blanche.
Les raccordements ont été regroupés en plusieurs bacs, et un classificateur leave-one-out a été évaluée sur les connexions comprenant chacun ensemble de casiers. Âge, âge au carré, le sexe, impartialité, et le site ont été incluses comme covariables pour le classificateur.
coregistration à une image anatomique, normalisation à l'espace standard, et enlèvement de voxelwise par régression des paramètres de mouvement, du tissu mou, du CSF, et des signaux de matière blanche.
Les connexions étaient groupées dans de multiples boîtes et une classification leave-one-out (Note de traduction : on apprend sur n-1 observations puis on valide le modèle sur la énième observation et l'on répète cette opération n fois) a évalué les connexions comprenant chaque ensemble de bacs. 
L'âge, l'âge au carré, le genre, la compétence gestuelle, et le lieu était inclus comme covariants dans le classificateur. 

Résultats

L'exactitude de classification a surpassé de manière significative le hasard mais était bien inférieure pour la prévision multisite que pour des résultats des emplacements simples précédents. 
Une exactitude aussi haute que 60% a été obtenue pour la classification entière de cerveau, avec la meilleure exactitude pour les raccordements impliquant des régions du réseau en mode défaut, les  gyrus fusiformes parahypocampal, l'insula, la région de Wernicke, et le sillon interpariétal. 
Les scores classificateurs ont été liés à la sévérité des symptômes, à la fonction sociale, aux exercices de vie quotidiens, et au Q.I. verbal. 
L'exactitude de classification était sensiblement plus haute pour des emplacements avec des plus longs temps "BOLD" de formation image.

Conclusions 

La classification de connectivité fonctionnelle multisite dans l'autisme a surpassé le hasard en utilisant un classificateur leave-one out,  mais présentait une précision moindre que pour les résultats à un seul site. 
Les tentatives d'utilisation classificateurs multisites nécessiteront probablement des algorithmes améliorés de classification, des temps d'imagerie plus audacieux, et des paramètres d'acquisition standardisés pour une éventuelle future utilité clinique.