Detección de TDAH en niños mediante oscilaciones fNIRS prefrontales de muy baja frecuencia durante una tarea mental rítmica

Abstract

El trastorno por déficit de atención e hiperactividad (TDAH) está reconocido como un trastorno del neurodesarrollo de alta prevalencia en niños en edad escolar, que a menudo persiste en la adolescencia y la edad adulta, y que suele solaparse con otras comorbilidades psiquiátricas. En la práctica diaria, el diagnóstico se basa en signos y síntomas clínicos que requieren una evaluación detallada por parte de profesionales expertos mediante entrevistas con los padres/cuidadores y, si procede, con el propio paciente. La evaluación clínica profunda requiere experiencia y consume bastante tiempo, lo que, dada la escasez de profesionales entrenados, conduce a frecuentes retrasos en el diagnóstico, a pasar por alto algunos casos o incluso a decisiones clínicas erróneas. Desde el punto de vista del desarrollo, el diagnóstico precoz es importante para realizar intervenciones farmacológicas y psicosociales más eficaces. Entre otros retos, encontrar biomarcadores objetivos de TDAH sería esencial para apoyar la toma de decisiones clínicas, aliviando la carga de trabajo que suponen los diagnósticos y el seguimiento de los tratamientos. Con este fin, diferentes modalidades tradicionales de neuroimagen combinadas con técnicas de machine-learning (ML) y deep-learning (DL) han sido propuestas para la evaluación objetiva del TDAH. A pesar de su potencial, la variabilidad en los resultados, escasa disponibilidad y los costes asociados suponen una barrera importante para el uso regular de estas herramientas diagnósticas.

Recientemente, la espectroscopia funcional de infrarrojo cercano (fNIRS) ha emergido como prometedora técnica de neuroimagen para examinar la función cerebral de forma no invasiva y segura, pudiendo aplicarse fácilmente en diferentes entornos clínicos gracias a su portabilidad y coste asumible. En comparación con otras tecnologías, pocos estudios han usado fNIRS para discriminar entre niños con TDAH y niños controles con desarrollo típico (DT) a nivel individual. El objetivo principal de este trabajo ha sido desarrollar un marco metodológico para identificar patrones oscilatorios fNIRS característicos de la condición TDAH o DT.

En el presente estudio se ha utilizado un novedoso dispositivo fNIRS de onda continua y registro multidistancia, denominado Theia, para monitorizar la actividad hemodinámica superficial y profunda en 15 niños TDAH y 15 DT durante la ejecución de una tarea de aritmética mental rítmica. Utilizando métodos de descomposición espectral tiempo-frecuencia se calcularon medidas de sincronización para localizar patrones oscilatorios, específicos de frecuencia, máximamente representativos del grupo TDAH o DT. Se usaron las distancias euclídeas a dichos patrones como características para generar cuatro modelos predictivos lineales comúnmente utilizados en ML para clasificación binaria supervisada: support vector machine (SVM), regresión logística (RL), análisis discriminante lineal (ADL) y naïve Bayes (NB). Para elegir solo el subconjunto de características más relevantes se combinó el filtrado previo de características por su estadístico F con un algoritmo de selección secuencial flotante (Sequential forward floating selection wrapper). El rendimiento de los modelos predictivos se evaluó mediante validación cruzada (VC) con 5 particiones (K-5 folds) y VC dejando uno fuera (Leave-one-out). La significación estadística se estimó mediante procedimientos de remuestreo no paramétricos.

Las métricas de precisión, sensibilidad y especificidad obtenidas con los modelos RL y ADL fueron cercanas al 100 % (p < 0,001) para ambos esquemas de VC cuando se entrenaron con solo tres características clave derivadas de componentes oscilatorios superficiales y profundos de muy baja frecuencia.

Proporcionamos evidencia preliminar de que las oscilaciones fNIRS de muy baja frecuencia, inducidas/moduladas por una tarea mental rítmica, diferencian con precisión a los niños con TDAH de los controles TD. Puesto que los resultados predictivos obtenidos superan a otros estudios similares, el enfoque aquí propuesto resulta prometedor y técnicamente viable para la identificación de biomarcadores funcionales lo suficientemente confiables e interpretables como para informar la práctica clínica diaria.