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

RESUMO

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...

ABSTRACT

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...